AI编程：从超级个体到软件工厂

微软工程师 Stephen Toub 在三万五千英尺高空，只用手机给编码智能体派活。飞机落地前连开 9 个 PR，7 个直接被合并。

代码生产的经济学变了。判断力过硬的人，产出速度能超过一整个团队的审核速度。

可 AI 把产能拉满后，核验成了最贵的环节。Agent 自主提交的 PR，合并率只有 55.1%。工程师追加过 commit 的，合并率跳到 86.2%。多出来的可靠性，全靠人补的那份判断。

个人得从写代码转向担责任。吴恩达说，真正值钱的工程师，是知道这段代码该不该发、出了问题算不算自己责任的人。

但个人再自觉也扛不住规模。AI 写的 PR 平均收到 16.5 条审查意见，比人类写的多出一大截。组织必须把核验做成基础设施，拆成五道关卡，让便宜的检查排前面，人工评审留最后。

Faire 曾想用模型置信度过滤评论，结果最严阈值下丢掉了 65% 的评论，采纳率只涨了 3%。这说明自我评估根本不靠谱，必须靠外部校验。

Anthropic 自己也得补这道坎。他们给 Claude Code 上了多智能体审核工具，因为内部工程师人均代码产出涨了两倍，审核却没跟上。上线后大 PR 发现问题的比例升到 84%，误报率不到 1%。

个人怎么做？先审方案再写代码，讲不清楚就别提交。组织怎么建？先选高频、边界清楚的任务做产线，按风险定审核强度。代码越便宜，审核就越昂贵。