全流程AI做项目，连测试都不用手写了？

今天跟同事聊嗨了，聊完之后我俩都沉默了。

沉默不是因为累了，是因为有点兴奋。

起因很简单：我们正在做一个私有化族库客户端。功能不算复杂——族下载、收藏、布置，加上权限和日志管理。但按照以前的节奏，从需求文档到设计到开发到测试，少说也要两周。

同事问了一句："能不能更疯狂一点？"

"从需求到设计到编码到测试，全部交给AI，人只负责点头。"

我想了想，说："试试？"

需求文档，AI写

第一关是需求文档。

我没有坐下来一个字一个字地憋，而是打开AI，跟它说了两句话：

"我们要做一个私有化族库客户端，功能包括：族的下载、收藏、在画布上拖拽布置。另外需要权限管理和操作日志。"

然后AI就开始输出了。

五分钟之后，我得到了一份完整的需求文档——功能清单、用户角色定义、模块划分、边界情况说明、甚至还有几个"可能遗漏的需求"的猜测。

我逐条看完，改了两处不合理的地方，点了两下头，需求文档就定了。

这大概是二十多分钟的事情。

详细设计，AI写

第二关是详细设计。

我把需求文档甩给AI，让它接着往下做。

数据库表结构——AI给出了users、families、user_favorites、operation_logs几张核心表，字段定义得比我预想的还完整，索引、外键约束、更新时间戳一个没漏。

API接口列表——GET /families、POST /favorites、DELETE /favorites/:id……RESTful风格，接口命名规范，错误码也一并给了。

前端交互流程——用户点击下载，弹出下载管理器，显示进度；拖拽族到画布，自动捕捉位置，失败时回弹。一步一步，清清楚楚。

最离谱的是，AI还给了一份"可能的技术债务风险评估"——某个接口的实现以后可能需要重构，某个字段的扩展性有限，建议关注。

我看完之后，跟同事说："这文档，比我以前让实习生写的还全。"

同事回了一句："那是因为这个实习生不行。"

自动编码，已在用

编码这个环节，反而是最不意外的。

我们用的是Electron + Vue3 + MongoDB的技术栈，这套东西我们熟。AI写前端代码、写数据库封装、写下载进度条、写断点续传逻辑，准确率大概在80%左右——剩下的20%，要么是上下文不够AI理解错了，要么是某些边缘情况没考虑到。

但这80%，省了我80%的时间。

有一个细节很有意思：拖拽布置功能，AI写完之后，我原本打算自己改一改，结果跑了一下，发现基本能用——进度条动画是对的，拖拽的捕捉逻辑是对的，失败回弹的效果也是对的。我只改了注释里一个错别字，就直接过了。

以前这种事，我得自己从零写，现在AI先写，我改。顺序一变，效率完全不一样。

自动测试，AI写

这一关，是我最期待的，也是结果最出乎意料的。

我让AI生成单元测试，Jest框架，给了它几个核心函数，让它自己推算边界情况。AI生成的测试用例，比我想的还周到——正常输入、边界值、空值、异常值，每种都覆盖到了。

Playwright的UI自动化测试，AI也给写了出来。族列表加载、下载按钮点击、收藏状态切换、拖拽交互——这些原本要手动写的测试脚本，AI全包了。

最让我意外的是k6并发性能测试。我原本只是抱着试试的心态让AI写，结果AI真的给出了一套压测脚本——50个并发用户，族下载的响应时间分布，数据库写入的TPS上限。

整个测试脚本生成的过程，大概花了一个下午。

以前这一套东西，要专职测试工程师来做，至少一周。

现在呢？

我一个人，半天，跑完了。

数字是最有说服力的

两周 vs 三天。

以前做一个这样的功能模块，从需求文档到详细设计，从开发编码到测试用例撰写，最顺利的情况，也要两周起步。

现在，AI辅助全流程，同样的功能，三天跑通完整闭环。

但这不是重点。

重点是：这三天里，人做的事情是什么？

看AI的输出，点头或者摇头，说"对"或者"这里改一下"。

核心判断还是人在做，但重复性的文字工作、结构性文档工作、测试脚本的编写，这些原来占用大量时间的环节，AI全部吃掉了。

人的时间，真正花在了刀刃上。

AI还搞不定的三件事

话不能说太满。

全流程AI做项目，跑了这一遍下来，我发现有三件事，AI目前真的搞不定：

第一，客户没说出口的需求。

AI很擅长把显性需求整理清楚，但有些东西客户是不会写进需求文档里的——比如他们实际工作的习惯，比如他们对某个交互"总觉得哪里不对"的感觉，比如他们嘴上说"可以"但心里在打鼓的那些细节。

这些东西，只能靠人跟人面对面聊，靠经验，靠对业务的理解。AI做不到。

第二，反人类的异常场景。

网络断了、数据库挂了、并发超了、用户误操作了……这些场景，AI可以写出测试脚本，但不一定能想到测试脚本覆盖不到的地方。

真正用过的人才知道，系统崩溃往往不是发生在"正常流程"里，而是发生在"没有人想到会这样用"的时刻。这种预感，AI还没有。

第三，长期架构的权衡。

快速跑通和长期可维护，是两件事。AI擅长解决"现在怎么做对"，但不太擅长回答"这样做一年后会不会后悔"。

技术债务是真实存在的，只是AI让你欠债的速度变快了。

焦虑没用，用起来才是真香

回到开头那个问题：全流程AI做项目，真的可行吗？

答案是：可行，但有前提。

前提是：人不能缺席。

AI负责执行，人负责判断。AI负责产出，人负责审核。AI负责速度，人负责方向。

缺少任何一环，这个流程就会出问题——要么AI跑偏了没人发现，要么人把关了太多最后又回到"全靠人"的老路。

下一步，我们真的打算拿一个小功能，完整跑一遍"全流程AI"的闭环，结束之后做一次认真的复盘，看看效率提升了多少，质量到底怎么样。

如果你也在试这套东西，有同行已经在这么干了——求带路，真的。

行业里多一个先行者趟坑，后面的人就能少走一点弯路。

BIM也好，软件开发也好，这件事本质上是相通的：工具在变，但做事情的逻辑没变——找到对的人，用对的方式，把对的事情做对。

AI只是那个让"对的事情"做得更快的工具。

仅此而已，但也仅此就够了。

优易科技 | 优易BIM助手

欢迎转发