一个人单月向生产环境提交2500个PR，代码全由AI编写并自动合并，这一场景已在工程界真实落地。
前Meta React团队核心成员、现任职于SpaceX AI与Cursor的Lauren Tan（网名Poteto），在近期技术访谈中公开了这套高效交付体系的运行机制。从最初因微操单个AI而精疲力竭，到如今指挥十余个AI军团全天候运转，他总结出了一套颠覆传统软件工程的开发法则。
跨越信任阶梯：从“肉体代理人”到意图传达者
Lauren在离开Meta后的休假期间尝试独立使用AI开发新项目，却陷入时间黑洞。他发现自己不得不充当AI与运行环境之间的“传话筒”，手动复制错误信息并在工具间切换。这种缺乏信任的微操模式导致效率极低。
突破瓶颈的关键在于爬上“信任阶梯”：将人类从传声筒角色中解放出来。随着大模型能力提升，开发瓶颈已转变为人类能否精确传达意图。领域专家若能清晰表述业务规则和系统边界，便能通过自然语言精准驱动AI。高信息密度的词汇输入大幅降低了意图传递损耗，自然语言正逐渐成为新的编程语言。
重构研发范式：抛弃工厂，打造“米其林厨房”
相较于“软件工厂”的流水线堆砌概念，Lauren更推崇“米其林厨房”隐喻。新手厨师包揽所有杂务会导致混乱，而主厨的核心职责是设计菜单、制定标准流程及规划供应链。
在现代AI辅助开发中，工程师的角色类似主厨：无需亲自撰写每一行代码，但需对最终交付质量负责。核心工作转变为搭建环境、定义技能规范及约束代码库。当厨房规则成熟后，主厨可指挥多名副手协同作战，甚至实现规模化复制。
构建闭环：赋予AI验证能力与自动化工具
实现AI自主工作的首要前提是验证能力。Lauren强调，工具链必须优先具备让AI像真实用户一样运行程序、抓取性能数据并自主排查报错的能力。唯有如此，AI才能基于明确标准进行“爬山算法”式的持续自我优化。
为此，团队开发了定制化CLI工具，将任务划分为确定性与非确定性两类：
- 非确定性任务：如架构设计、复杂逻辑理解，交由大模型推理；
- 确定性任务：如代码重构、格式转换、底层协议调用，封装为自动化脚本。
此举既节约了宝贵的上下文窗口，又确保了执行结果的一致性。
Dune框架：从物理层面杜绝坏代码
若代码库结构混乱，AI生成速度越快，“屎山”堆积越迅猛。Lauren团队内部推出了专为桌面端设计的Dune应用开发框架，核心理念借鉴TypeScript的类型收窄思维，旨在收窄AI的犯错空间。
该框架制定了严苛的静态检查规则和文件组织规范，将功能模块隔离在独立特性目录中，并为每种业务操作提供唯一标准写法。一旦AI试图违反规范或写入反模式代码，毫秒级的代码检查将直接阻断。工程师通过观察AI的错误路径，将其转化为新的底层规则，从而在代码库层面彻底封死犯错可能。
内外双环联动：2500个PR的自动化流水线
月均2500个PR的产出依赖于“内外双环”架构：
外环：动态上下文收集
利用自动化智能体Grokbot全天候监听沟通群Bug、项目看板任务、社交反馈及监控报警。外环负责捕获结构化上下文，避免盲目派发细碎任务导致的重复劳动。
内环：工程实现与调度
由项目级协调智能体担任“AI幕僚长”，不直接写代码，而是分析问题共性，拆解任务树并分派给多个执行智能体。此外，系统常态化运行“代码园丁”任务，定期巡检并汇总潜在反模式，由人类与协调智能体集中审视，提炼系统性改进方案。
全自动审查与“暗黑工厂”模式
面对海量PR，人工逐行审查将导致管道堵塞。Lauren建立了高强度自动化审查机制，采用抽样代替阻塞：
- 自动验证：每个PR生成时派生验证智能体，进行模糊测试和界面组件压力测试；
- 自动合并：验证通过后直接合入主分支；
- 抽样复核：工程师次日清晨对已合入代码进行抽样检查。
这种“暗黑工厂”模式适用于可程序化验证的双向门场景。即便出现瑕疵，完善的监控和快速回滚机制也能将撤销成本降至最低。对于涉及数据丢失等不可逆变更的单向门业务，则保留形式化验证和严格人工门禁。
技能沉淀：从提示词到工作流说明书
所谓的“技能文件”本质上是Markdown格式的自然语言流程说明书，旨在将抽象经验具象化为清晰步骤。开发者应深挖自身纠错记录，将反复手动干预的节点提炼为结构化规范，而非盲目套用他人模板。
随着基础模型增强，冗长的具体命令指令正被淘汰，新一代技能更专注于规范思维链路和工作流程。通过搭建严密的规范体系，将确定性脏活交给脚本，让AI在充分验证的闭环中运行，单人即可撑起一支由数十个AI组成的研发军团。
--end--