华剑侃_软件研发协同时代：L3 AI Coding的探索与实践.pdf

1、华剑侃L3 AI 协同开发探索之协同开发探索之路路 困境、路径与实践困境、路径与实践录录Part 01.Part 02.Part 03.AI 编程领域 L1-L5 能分层AI 协同开发范式的推演探索和实践落地快内部企业级提效演进AI 编程领域编程领域 L1-L5 能能分层分层从辅助到协同，软件研发的智能化演进来 源：prompt.16x.engineer/blog/ai-coding-l1-l5AI 编程能分级前普遍处于 L2 夯实并向 L3 探索的阶段AI 编程能分级前普遍处于 L2 夯实并向 L3 探索的阶段应应场景场景 技术档成 根据需求描述成功能代码 错误修复和调试 代码重构和优化AI

2、 编程能分级前普遍处于 L2 夯实并向 L3 探索的阶段应应场景场景 从需求到代码的端到端动化 型项的快速原型开发 站前端成 基于户故事动创建合并请求AI 协同开发范式的推演探索和实践落协同开发范式的推演探索和实践落地地从真实户场景中来，到真实户场景中去户开发范式转变随着 AI 编程具进 Agentic 阶段，开发者的作范式正逐步从传统的“以编辑器为中”向“以任务为中”转变。AI 编程的优秀实践变成“输需求-编码-验收修改”的任务级别循环。对于我们的标户程师，家作重依然是“开 发”。开发的定义不仅仅是编码，是包含前置和后置环节，例如前置的理解现有逻辑和后置的代码验收。户开发范式转变Agent-

3、Native 开发范式以任务为中的智能体驱动模式户开发范式转变户开发范式转变信息壁垒，对项信息壁垒，对项与业务上下与业务上下的系统性理解不的系统性理解不：新或跨模块开发同学在接项时，初始信息壁垒，缺乏对仓库结构、业务逻辑、模块作的快速理解路径，缺少项级全局视图及 可下钻的代码地图持，导致理解成本、上速度慢。项中部分代码实现涉及跨层级甚跨仓库逻辑，AI 对此的系统性理解有限，成的类图/流程图或描述往往不完整、模糊或存在偏差，不符预期，需要户再次介进更繁重的校验和修改。户开发范式转变AI 协作不够主动：协作不够主动：【输】前置不主动澄清：AI 常倾向于直接开始活，但是对户的意图理解不，导致效果不及

4、预期。提示词编写表达难度、负担：正确表达需求本身存在难度，部分户对需求/任务的理解不清晰，难以准确向 AI 描述。即便 户已经明确需求，在提示词的组织上仍存在困难，不知道如何编写质量提示词，不确定应该提供哪些上下信息。度与效率存 在盾，有相当部分户主观认为编写提示词为冗余低效，像“写档”，然担提示词不够完整导致成结果不符预 期。【输出】后置不主动验证：Agent 产的代码变更量，加上 Agent 并运能，导致 review code diff 成本。AI 在处理颗粒度、标明确的任务时通常表现良好，但在应对复杂开发 任务时，由于缺乏全深的系统性研究和严密推理，最终成代码质量 往往不理想，需要频繁

5、返。期以来 AI 编程具的主流智是“AI 帮我写代码”，发在代码之前的 那些作对需求的理解、架构的分析、案的推演与验证，在很程 度上决定了最终成结果的质量。是协同 不是接L2L3输被动输的响应式驱动L2 Agent 只能在接收到明确指令或问题后执任务，法主动识别输 中的模糊、不完整或盾点“你说我做，你不说我不会问”。Agent 不会主动反问，不会确认需求是否正确，不会提醒户缺失 重要上下。户必须尽可能把信息说全、说对，否则 Agent 会执偏差甚理 解错误。输被视为静态本，“协作构建问题”的过程。主动澄清与问题共建L3 Agent 输式不再只是接收本，是成为共同定义问题的参与者“问清再做”。在

6、需求模糊时主动提问、补充关键变量。在上下缺失时主动检索代码、配置、历史记录来构建输语境。当发现逻辑冲突或隐含前提时，能够识别并提示。输出收敛式答案输出L2 Agent 输出强调给出个看似完成的答案/代码，倾向快速输出结论，只负责答案，不负责向是否正确。探索式、启发式与具备元认知L3 Agent 不再只给个答案，是具备探索、引导、解释和省能，能够构建问题空间、展示思维路径并进我评估。智能体输出多种案+对维度（性能/致性/复杂度等）。智能体知道不确定，并且能明确告诉户它不确定的是什么、置 信度多少，甚思考了如何我验证（提出实验、压测、回滚路径 等）。主动性(Proactive Agentic)是从