随着人工智能技术的飞速发展,越来越多的软件开发者开始将AI引入到日常编码工作中,以期提升效率、减少重复劳动。然而,现实往往比想象更加复杂和残酷。资深软件工程师Vincent Quigley在使用Claude Code六周后的真实分享,揭示了AI辅助编程革新背后的艰辛和机遇,深刻反映了AI在软件开发环境中的实际应用价值和潜在问题。 Vincent Quigley是Sanity公司的资深软件工程师,拥有丰富的软件开发经验。此前他习惯于亲自编写每一行代码,然而18个月前,他开始引入AI助力coding,现如今AI已经占据其初步代码实现80%的比重。他不再是单纯的代码书写者,而是更多地关注于架构设计、代码审查及多个开发任务的协调推进。
与其说AI取代了工程师,不如说工程师成为了AI的指挥者和监督者。 本次经验分享源于Sanity内部举办的工程师工作坊,Vincent展示了他如何利用Claude Code进行全流程AI协作编码。与市面上纷纷唱衰AI开发的噱头不同,他直面"AI不会一蹴而就"的事实。首次使用Claude Code往往会产生95%的无效代码。这一过程更像是新人开发者在无上下文指导下探索代码的写作,充满了错误和不完全的理解。 Vincent总结他的AI开发流程时指出,通常需要三次尝试才能达到具有可迭代价值的代码。
第一遍往往错漏百出,因为AI还未能充分理解项目和问题背景。第二遍情况有所改善,AI能够捕捉更多细节和业务逻辑,但仍有近一半的代码质量不达标。到了第三遍,代码才开始具备实用性,成为可在此基础上调整完善的功能实现。这个过程充分体现了"迭代"和"反馈"的重要性,而非盲目追求一次完美交付。 AI开发面临的最大难题在于上下文的记忆和传承。当前AI模型无法自动积累之前的学习经验,即便是短期内的会话关闭后,模型也会"失忆",这导致每一次交互都需要反复输入项目的相关背景和要求。
为了解决这一问题,Vincent创建了专门的Claude.md文件,内含项目的架构决定、常用编码模式、已知的坑点和解决方案,以及相关文档链接。这相当于为AI提供了稳定且可查阅的知识库,避免了重复说明,也让AI能够从第二次尝试起便具备更准确的背景认知。 除了自建文件,Vincent还通过多种工具整合提升AI上下文的准确性。他利用项目管理软件Linear获取任务票据和上下文,利用Notion或Canvas进行文档管理,以及访问非生产环境数据库以便检索数据结构和业务相关信息。同时,结合代码仓库GitHub的历史PR信息,AI能够获得更加丰富的背景知识,理解项目的演变轨迹和团队的编码风格。这种多源信息集成极大缩短了AI理解和生成代码的时间,提高了输出质量。
在团队协作上,Vincent将多个Claude实例视为一个由数位"短期记忆"的AI开发者组成的小团队。每个AI代理每天清晨"重置记忆",他们在不同的任务模块工作,避免重叠和混淆。这样不仅提升了工作效率,还避免了上下文在多个问题间交织导致的混乱。同时,通过Linear等工具做好追踪和记录,确保所有进展透明并便于人工干预。 代码审查的过程也随着AI的加入发生了转变。Claude Code参与初步审查,自动发现测试覆盖不足、明显的代码漏洞和潜在优化点,极大节省了工程师的时间和精力。
在此基础上,真正的开发者对更关键的逻辑正确性、架构合理性和业务需求执行情况进行细致把关。值得一提的是,因为AI并非"我"亲自敲码,Vincent发现自己能够更冷静客观地审查AI生成的代码,没有主观情感的干扰,反而提升了评审质量和代码的可维护性。 虽然AI辅助开发大幅提升了个人和团队的生产力,Vincent也提醒大家务必关注潜在风险。AI并不会从历史错误中真正学习,因此经常会重复遇到相同的误解,需要通过更完备的文档和明确提示来规避。AI生成的代码虽然自信满满,却可能包含性能、安全等重大隐患,需要开发者严谨审查。且大型项目因超出AI模型上下文限制,必须拆分为小模块逐步处理。
最大的挑战或许是心态转变,工程师需要淡化对代码"所有权"的执念,更多关注问题解决过程和结果优化,这样才能利用AI释放自身的创造力。 在经济投入方面,长时间深度使用Claude Code对公司费用构成不容忽视的部分。Vincent坦言,AI服务每月花费约1000至1500美元不等,但带来了两至三倍的开发效率提升,能够同时管理更多的开发线程,杜绝重复枯燥的代码编写,显著提高整体ROI。对于企业来说,允许工程师尝试并调优AI工具,安排合理的预算和试错期,是推动团队数字化转型的关键。 从团队领导角度来看,Vincent建议不要急于全面铺开AI,而是从最重复、最机械的工作入手,鼓励工程师逐步摸索和适应新的流程。调整代码审核标准以适应AI产生的代码,积极积累高质量的项目文档和上下文数据,同时搭建好跨工具的集成框架,为未来更加智能的开发模式夯实基础。
那些率先掌握AI开发技能的工程师必将成为新型的"指挥家",在复杂的技术生态中驾驭多重AI代理,专注战略与创新。 对于普通开发者而言,Vincent提出实用的切入方式:挑选一个小而明确的特性,让AI尝试提交三轮不同实现,保持导师般的审查态度。这个循环训练过程不仅让AI调优代码,更帮助人类工程师深化理解和掌控,最终获得更高质量且适用的解决方案。 回顾六周的Claude Code试验之旅,Vincent强调,AI不会取代开发者,而是让开发者更快、更聪明地工作。在这个过程中,需要理性看待AI的局限与优点,积极拥抱变化,学会怀疑并不断验证,才能真正释放技术的潜能。离开情感包袱,迎接AI的新伙伴,让代码成为灵活的工具,而非永恒的执念,是进入未来软件开发新时代的重要前提。
未来,随着模型能力的提升和工具生态的完善,AI辅助开发将更加普及和高效,但核心依然是人机协作。Vincent的经验成为了实践上的宝贵参考,提醒所有开发者和团队:不必期待一蹴而就的奇迹,但要持续迭代、乐观尝试,用充足的上下文和严谨的审核守护代码质量,最终实现创新开发的飞跃。AI是开发的帮手,而非替代者,真正的价值来源于人类工程师的智慧和审慎。 。
