让 Agent 写好项目，比让它写好代码更重要
分享今日内部技术分享内容，主题为：从让AI写好代码，到让AI写好项目。
我的判断很简单：AI 降低的是生成代码的成本，没有降低构建正确软件的成本。代码越来越便宜以后，错误代码、错误需求、错误上下文和没有验证的变更也会更快进入系统。
AI 是放大器
很多人第一次用 AI Coding，会自然产生一个错觉：既然 AI 会写代码，那软件工程是不是没那么重要了。
我现在越来越觉得，结论正好反过来。AI 让写代码变便宜，但没有让正确的软件变便宜。需求是否清楚、上下文是否准确、测试是否覆盖关键路径、review 是否有效、发布是否可回滚、出了问题谁负责，这些问题不会因为 Agent 会写代码就消失。
DORA 2025 把 AI 称为一种放大器。它会放大组织已有的优势，也会放大组织已有的问题。DORA 另一份关于 GenAI in Software Development 的研究还提到，AI 采用率每提升 25%，与交付吞吐下降 1.5%、交付稳定性下降 7.2% 存在相关性。局部编码效率提升，不等于系统级交付能力提升。
过去写代码贵，所以团队会小心拆需求、小心设计、小心排期。现在 Agent 可以很快生成代码、改代码、补测试、跑命令、修报错，初始实现成本被压低了。这当然是好事，但另一面也很明显：错误代码也变便宜了。
错误需求可以更快被实现，错误上下文可以更快被固化，错误架构可以更快扩散，没有 review 的代码可以更快进入主干，没有验证的功能可以更快上线。
工程师的责任变成设计控制系统
过去工程师的核心产出经常被理解成代码。到了 Agentic Coding 时代，这个理解不够了。工程师当然还要懂代码，但更关键的责任会变成：设计一个系统，让 Agent 在正确意图、正确上下文、正确边界和正确反馈环里，小步、可验证、可回滚地写代码。
工程师要负责定义正确问题，提供正确上下文，设计验证反馈环，控制变更风险，承担工程责任，并把失败沉淀回系统。
Linux kernel 对 AI coding assistants 的政策很直接：AI agent 不能添加 Signed-off-by，只有人类可以认证 Developer Certificate of Origin。人类提交者必须 review 所有 AI 生成代码，确保 license 合规，并对贡献承担责任。
AI can assist. Human owns the contribution. AI 可以辅助，人类负责签字、理解、合并、上线和后果。
最大的新债务是验证债
AI Coding 时代会多一个很危险的债：验证债。
AI 写得太快，人类验证跟不上，没有充分验证的代码进入系统。这个问题比传统技术债更隐蔽，因为 AI 写出来的东西经常看起来像对的。它有函数名，有注释，有测试，有错误处理，还有一段很自信的解释。但它可能解决了错问题，漏掉边界条件，绕过权限判断，或者引入安全漏洞。
Sonar 2026 State of Code 相关调查里，开发者报告当前 42% 的提交代码已经由 AI 生成或显著辅助，并预计到 2027 年到 65%。同时，96% 的开发者并不完全相信 AI 生成代码在功能上正确，只有 48% 表示总是在提交前检查 AI-assisted code。Veracode 2025 GenAI Code Security Report 测试了 100 多个大模型生成的代码，发现 45% 的代码样本未通过安全测试并引入 OWASP Top 10 漏洞。
Agentic Coding 里最重要的一句话不是”让 Agent 写完”，而是”让系统证明它真的对”。No evidence, no claim. 没有证据，不许声明完成。
给 Agent 加手铐脚铐
很多团队第一次接入 AI Coding，会把问题理解成模型还不够强，于是不断换模型、调 prompt、换 IDE、研究更强的工具。这些都重要，但不是最底层的问题。
Agentic Coding 的底层问题通常更工程化：意图不清，Agent 很认真地解决了错误问题；上下文不准，Agent 基于错误材料做了错误判断；步子太大，一次改太多，人类 review 跟不上；没有反馈环，代码看起来对，但没有测试、构建、运行时证据；自我相信太早，Agent 很快宣布完成，却没有独立审查；交付不可逆，没有 feature flag、rollback 和监控，一上线就是豪赌。
我会把 Agent 的软件工程收敛成一条主线：Clarify、Context、Specify、Slice、Implement、Verify、Review、Ship、Learn。中文说就是：澄清意图，治理上下文，写清规格，小步切片，实现功能，验证证据，独立审查，可控发布，复盘沉淀。
eng-init：把规则变成可执行约束
只写一份规则说明书不够。Agent 不会因为文档写得好就天然安全，规则必须变成它真的会遇到的约束。
eng-init 做的不是”写个 AGENTS.md 就完事”，而是按阶段把一个仓库变成 Agent 可以进入的工程工作场。
先扫描仓库事实：规则文件、命令入口、测试、CI、guardrails。然后判断当前仓库是 greenfield、bootstrap、incremental、audit 还是 repair。接着追问缺口，选择严格度 L1 到 L4，任何降级都必须显式确认。再给预览，列清楚产物清单、门禁、非目标和 readiness gaps。最后只写授权产物，禁止 _v2、_new、_backup 这类平行实现，运行 check 和 guardrail self-test，没有证据不声明完成。
No phantom enforcement。每条规则必须指向真实配置、命令、hook 或 CI。否则它只能标成 review-only，不能伪装成已经被系统强制执行。
eng-init 交付的是控制面。AGENTS.md 记录项目命令、边界、验证矩阵、禁止动作和人类门禁；CONTEXT.md 固定领域术语、不变量和禁止逻辑；统一命令入口把 setup、dev、check、lint、typecheck、test、build 收到 just、make 或 scripts 里；Verification Matrix 把每个 surface 绑定到命令和证据，比如 HTTP、CLI、截图、日志、数据；机械 guardrails 用 lint、typecheck、CI、pre-commit、naming guard、constraints.yaml 把规则变成真正会拦截的门禁。
Droid 和 OMP：工具要放进工程系统里看
Droid 值得看，是因为它代表了专业 Coding Agent 团队在任务闭环上的探索。Missions 的价值不在单次补丁，而在把 Agent 放进一条任务链路里：接收目标，拆解计划，执行，验证，调整，逐步逼近完成状态。回过头看，它很像比较早的 Loop Engineering 实现。
OMP 的价值在另一侧。它是开源、可自定义、可扩展的 Agent Harness，基于 Pi 实现，用 TS 和 Rust 写。它的重点不是只和模型聊天，而是通过 Skill、工具、子 Agent、验证回路来约束行为并沉淀能力。对团队来说，这类 Harness 最有价值的地方，是可以把自己的工程经验变成可复用的动作和规则，接入 Git 平台、Code Review、任务系统和内部工作流。
一个偏任务自治，一个偏 Harness 可编排。
四段闭环：从想法到可验证交付
我今天给出的工作流可以压成四段。
定义任务阶段，用 grill-with-docs 和 to-spec 澄清目标、非目标，输出可验证 PRD 和执行规格。建立约束阶段，用 eng-init 和 install-e2e 建立 AGENTS.md、CONTEXT.md、统一命令、QA 地图和证据要求。执行验证阶段，用 missions、tdd 和 E2E 拆 WorkUnit，小步红绿重构，遇到失败先建反馈环。质量闭环阶段，用 code-review 和 review-tdd-loop 做 fresh-context 审查，发现问题后诊断、TDD 修复、再审查。
工具职责要分清楚。eng-init 不是切片工具，它负责建立仓库约束。mission 才负责拆 WorkUnit。mission 也不是单纯实现工具，真正的实现要和 TDD、E2E、diagnosing-bugs 这些反馈环绑在一起。review 也不是最后夸一句”看起来不错”，而是 fresh-context 重新审查、找反例、对照规格、逼着问题回到修复循环。
展开就是九步：澄清用 grill-with-docs，上下文落到 AGENTS.md 和 CONTEXT.md，规格用 to-spec，拆分用 missions，实施用 missions 加 tdd，验证用 install-e2e 建好证据路径，审查用 code-review，发布要有 feature flag 和 rollback，最后把经验写回 AGENTS.md、CONTEXT.md 或进入 self-evolution。
三条铁律
如果只能保留三句话，我会保留这三句：
Evidence before claim. 没有证据，不许声明完成。
Review before merge. 没有审查，不许合并。
Rollback before ship. 没有回滚，不许发布。
未来代码会越来越便宜。样板代码、CRUD、重构、补测试、写脚本、查文档，都会越来越便宜。但构建正确软件没有一起变便宜。
真正稀缺的能力会变成：定义正确问题的能力，提供正确上下文的能力，设计验证反馈环的能力，控制变更风险的能力，承担工程责任的能力，以及把失败沉淀成系统能力的能力。
AI makes coding cheaper, not software engineering cheaper.
AI 让写代码变便宜，但没有让构建正确软件变便宜。能安全放大 AI 的，不是更自由的 Agent，而是更清楚的工程控制面。