AI Coding 可靠落地软件工程，瓶颈从来不在

把“注册加个手机号重复校验”丢给 AI，代码很快写完，编译过、单测也绿了。架构师扫一眼：改错地方了。

问题不在模型笨，是它根本不知道“地方在哪”。企业落地 AI Coding，瓶颈从来不是模型不够强，而是没给它一个能干活的系统环境。

我把它拆成三层：规范定目标，上下文给业务和架构知识，环境提供工具和测试。多数团队把力气全砸在写更长更细的 Prompt 上，后两层却没管。结果就是 AI 看着会写，一进存量系统就抓瞎。

所以规矩得反过来：人负责“做什么、做到什么程度”，AI 负责“怎么生成、怎么执行”。需求来了先让 AI 找缺口，人拍板确认，再回写到上下文里。存量改造更是这样——先读懂旧系统，补特征测试证明没碰坏别的，再顺着老结构改。

第一周别急着建什么知识中台。挑一个真实需求，写几条项目宪法，填几张事实卡，走完一轮就行。