工程师实测：AI 智能体接管 90% 代码后，工作流如何重构及局限何在

作者作为 Salesforce AI Research 的研究工程师，记录了其个人 AI 使用习惯在一年内的剧烈变化，核心结论是 Agentic Coding（智能体编程）已使传统手写代码变得过时。目前他每天管理约 5-6 个独立对话的智能体（如 Claude Code、OpenCode），这些智能体能自主完成特征实现、测试甚至创建 PR，将原型构建时间压缩至 20 分钟，但他同时指出这种模式带来了严重的认知过载和“AI 迷雾”，即审查智能体生成的代码往往比直接重写更耗费精力。

在具体工程实践中，代码审查的焦点已从逐行检查语法错误转向评估系统架构和宏观模式，作者开始编写规则让智能体自动修复常见的风格问题。然而，智能体在复杂逻辑设计上的表现依然不可靠，例如在语音交互的 turn detection（话轮检测）研究中，智能体曾引导作者走向错误的架构方向，最终仍需人类专家介入纠正。此外，作者明确区分了不同场景的能力边界：Google 的 AI 摘要已成为默认搜索方式，LLM 作为教师解释已知概念效果极佳，但在需要深度脑暴或处理模糊定义的科研协作中，智能体仍无法替代人类直觉。

在内容创作与消费层面，作者观察到生成式 AI 正大规模制造低质量信息（slop）。虽然音乐生成被视为一种新的艺术形式受到欢迎，但图像和视频生成被用于批量生产误导性广告和历史伪作，导致作者对视觉生成持负面态度。写作方面，尽管智能体能辅助查找词汇，但其生成的文本因缺乏语境和过度引用而显得平庸乏味，作者坚持亲自撰写博客文章以保留个人声音。订阅列表显示，作者已取消 OpenAI 服务，转而主要依赖 Claude Pro 进行智能体交互，仅保留 GitHub Copilot Pro 用于基础的 Autocomplete 功能。