现在我日常开发几乎 100% 依赖 AI Coding，哪怕是最简单的变量重命名、代码整理这类基础操作，也会交给 AI 处理。很多时候想手动修改代码，却总会纠结：交给 AI 是不是能做得更好？最后还是习惯性换成 AI 来处理。我暂时说不清这是好事还是坏事。虽然没有影响工作产出的质量和效率，但手写代码能力的退化、对自身手工编码能力的不自信，似乎是一个不可逆的趋势。这就像老一辈程序员不再需要手写机器码、汇编语言一样，传统手写编码能力，仿佛慢慢成了时代的印记。心里难免有些不舍，但技术和时代的向前发展，又让这种变化成为必然。或许 LLM 就是新时代的编译器，大幅拉高了编程的抽象层级，相当于在人类与计算机之间，搭建了一个更高效的自然语言翻译桥梁。编程语言本身的发展历程，就是不断走向更高抽象的过程：从机器码到汇编语言，再到 C 语言这类面向过程编程、C++/Java 这类面向对象编程；而如今借助 AI，我们可以直接用自然语言完成编程，这是又一次技术革新，让人类与机器的沟通变得愈发便捷。
编码环节的效率基本已经被 AI 充分优化，但软件研发的整体瓶颈，更多集中在需求对接、方案设计、测试验证等前置后置环节。编码只是软件研发的其中一个子环节，只优化编码环节，很难实现整体流程大幅提效。研发工作中，我们大部分时间都消耗在前期需求方案制定、后期测试验证以及长期运维迭代上。只有实现全流程协同提效，才能真正放大 AI 的价值。而这一切的基础，都依赖于打通系统上下游、完善上下文链路，后续行业也大概率会围绕这个方向持续创新。
我的一些技巧
AI 解决的问题需控制在合理规模
面对大型项目重构，AI 无法一次性完成整体重构工作。最高效的人机协作方式是：先拆解大型任务，梳理清楚系统整体架构与核心骨架，再拆分出 AI 容易理解的小块任务，逐个击破。这样做有两大优势：一来适配 AI：如果任务规模过大，AI 模型的实际效果会大打折扣。受限于上下文长度、模型自身能力等因素，当前 AI 很难一次性承接大规模重构需求。二来方便人工：降低代码评审的心智负担。即便 AI 生成代码质量再好，上线生产环境前也必须经过人工评审。将大任务拆分成小模块逐一评审，既能减轻评审人的工作量，也能更早发现问题、及时纠正设计方向。
Plan Mode
不同类型的开发问题，适合搭配不同的 AI 协作模式：
小型问题：如简易代码重构、变量重命名等基础操作，直接用 Agent 模式，简洁高效。
中型问题：适合使用 Plan 模式，让 AI 动工前先对齐需求与实现方案，整体效率更高。
大型问题：如整项目重构，建议人工先把任务拆解为 AI 可理解、可落地的细分模块，再用 Agent 或 Plan 模式逐个解决。
我日常开发中，大约 80% 的场景会用 Plan Mode，剩余 20% 使用 Agent Mode。
Plan Mode 核心优势
提前对齐需求和实现方案，避免 AI 开发中途偏离预期，浪费 token 和开发时间。
将 Plan 文件归档到 Git 是极佳习惯
文中所说的Plan文件，指各类编码助手执行开发前生成的方案Markdown文档，类似Cursor的plan.md文件（一般位于 ~/.cursor/plans/ 目录下）。归档好处如下：便于人工代码评审如今 AI 生成的代码变更量大，大幅增加了评审难度。我做代码评审时，都会先通读 plan.md，理清本次代码变更的整体思路脉络，再看具体代码。便于后续追溯复盘现有代码的设计逻辑，往往源于过往的某次方案决策。归档后的文档，能为后续的迭代设计提供参考依据。我也观察到部分团队已经形成规范：让 AI 生成方案后，先将 plan.md 提交到 Git 进行方案评审，评审通过后再单独提交 AI 生成的业务代码。先文档对齐意图、再落地代码实现，足以看出 AI Coding 已经深度融入研发流程。
Plan 文件归档方式
借助现有工具
目前热门的 Openspec 就是一套成熟的 Plan Mode 方案，支持将 Plan 文件归档到 Git，方便人和 AI 后续查阅。但不少人反馈，Openspec 工作流会消耗较多 token。
自定义指令
如果不想使用复杂的 Openspec 工作流，追求轻量化归档，可以参考我的方式：自定义 Cursor 或 Codebuddy 归档指令，开发任务完成后，自动将 Plan 文档归档到项目指定目录。（文末会分享我常用的自制指令）
Bring Your Own Agent：借助 AI 参与代码评审
AI 生成代码的体量激增后，人工评审已经逐渐跟不上节奏，人反而成了研发流程、代码评审环节的瓶颈，用 AI 辅助做代码评审，已然成为刚需且高效的方式。可以将团队或个人的代码规范（包含安全规范、可观测性、测试覆盖率等标准）沉淀为通用的 skill，供 AI 直接调用。对评审人和代码提交人来说，AI 辅助评审都极具价值。对评审人而言可直接让 AI 拉取提交记录、对比代码变更，并按照既定代码规范完成初审。实际使用中，AI 往往能给出很有价值的优化建议。当然，人工评审不能完全依赖 AI。我通常会在 AI 评审的同时，同步人工逐行核对，避免遗漏关键细节。如果提交方同步上传了 plan.md，优先通读方案文档，对齐代码变更的核心目的，再评审代码，效率会大幅提升。对代码提交人而言正式提交代码前，可先让 AI 审核自身的代码变更，给出优化建议并自行修复完善。若开发过程使用了 Plan 模式或 Openspec，可同步提交 plan.md 等技术文档，进一步提升代码评审效率。
夜雨聆风
