AI优先究竟意味着什么

借助人工智能，曾经需要两个月才能完成的功能，现在可以在提出需求的当天就完成开发并进行AB测试，当晚就能迭代出更优版本。

之所以能如此高效，是因为我们的工作流程深度融入了人工智能，从需求分析到开发实现，从测试验证到部署上线的每个环节都发生了根本性转变。

如今研发团队的使命已不再是单纯编写代码，而是让人工智能高效地产出有价值的成果。因此即便出现问题时，也无需绞尽脑汁寻找更好的解决方案，而是思考如何让人工智能快速识别并修复问题。

但这就叫AI优先吗？

可以说是吧。每天上班打开Codex、Claude Code，开会讨论人工智能编写的新需求，测试采用人工智能进行验证，所有人的工作效率都提升了20%以上，尽管所有工作都是在人工智能辅助下完成的。从流程设计、架构规划到组织架构...

于是大家都认为只要配备最先进的人工智能工具和无限制的Token就能解决问题，差异不再体现在人的能力上而是在人工智能工具上？

事实并非如此。以程序员研发为例，大多数团队的研发模式如出一辙：迭代工具、周期、看板、周会等，但现状仅仅是简单引入了人工智能，并未对整个流程进行重新设计。

那么真正的AI优先能带来怎样的效果？

以前我们需要数百人甚至更多人从事类似的工作，如今仅需十几人。

以前产品经理需要数周进行调研，再花数周进行设计和功能定制，数月的设计工作现在几小时就能完成。

以前新功能上线需要编写各类文档、测试各种场景，写代码2小时，测试却要测三天。但现在测试速度比开发快得多。

以前复杂系统的打通，需要从数据到存储，从模型到训练，从上线到完成，新模型、新合规、新隐私几天就能上线。

但最令人头疼的是有些事情人工智能处理起来非常困难，比如老旧的代码库、一个项目涉及多个代码仓库、多个较为垂直的业务场景...总之上下文一多，人工智能就束手无策了。想要让人工智能处理得当，你得先统一架构，还得整合代码库，写清楚需求背景...

不过既然人工智能已经能挖掘出老Unix系统几十年前的Bug，可见200万上下文窗口、更智能的人工智能模型指日可待...

Peter专门发了一贴介绍他们如何进行重组？真正让人工智能负责建设，工程师只提供方向与判断，但有前提条件：

首先你得把多个相关代码仓库整合到一起让人工智能理解上下文。

每个PR要让人工智能能够进行多轮代码质量审查、安全检查和依赖检查。

自动审查错误，创建工单和测试。

用人工智能代替QA...

于是他遇到的老大难问题立即得到了解决：之前站每天工作时间的60%用于直线管理直线下降，员工关系也变好了，因为不用天天争论架构、否定决策了啊。

这才是真正的AI优先，要在架构上、模块化以及测试上实现人工智能化！否则Token用了数十亿，肝出来的也只是个更糟糕的迭代（人工智能会忽悠），顺带还埋了更多的雷（人工智能更会说谎）。

架构上要按清晰边界拆模块，一个模块只负责一件事，输入输出固定、接口稳定依赖少，这样研发和人工智能都能局部修改、局部验证，不会一改全崩。

测试上不要只看单测覆盖率，而要建立多层验证：小测试保逻辑，中测试保协作，大测试保关键业务链路通常。

真正的提效，来自模块化、自动化测试和快速反馈闭环，而不是让人工智能直接堆代码。

未来已来！

未来需要更多的专家

无限的Token，再加上最好的工具，但也替代不了经验。人工智能来得越快，越需要能够从架构到系统之间集成，从业务需求到交付之间的鸿沟。哪些分析是人工智能的幻觉，哪些实现人工智能在糊弄人，哪些代码正在加重技术债务...这不是无限运行一个单个系统、几个模块就能解决的，这必须要你有多年的实战经验才行。

未来需要创新者

千篇一律的人工智能风不仅在代码如此，在文章中更是如此，更不要说带来的创新、甚至是核心价值。如何才能为业务构建更宽的护城河才是王道，有了人工智能这方面的需求更是提到了更高的高度。

未来需要的是谁能够更快适应

有的企业已经给到每人1千美金的COTA，这种方式至少算是一种应对人工智能普及的手段。有个现实就是人的输出质量和速度已经远远落后于人工智能，那么剩下的就是你我如何去适应，以及利用人工智能提升决策质量了。

毕竟总不能让人工智能来背锅，让人工智能来承担一切责任吧？

所以不管是专家还是创新，或者是快速适应，最终都是提升社会的思维速度和能力，用更好的技能，使上更好的工具，才能更快速度地累积和创造长期价值嘛。

Harness工程正逐渐成为行业标准。

人工智能也势必会重构许多行业的核心流程。