摘要

开发者普遍在用 AI，却很少真正放权。瓶颈已经从「会不会写代码」变成「AI 能不能证明自己写得对」和「AI 懂不懂项目」。作者主张把重点从提升生成能力转向构建验证闭环，给出证据包、自动验证、按风险分级权限、重构记忆系统四个方向。

要点

  • 调查数据（文中引用）：80% 每天至少用一小时 AI，87% 说信任 AI 输出，但只有 6.6% 愿意让 AI 参与重要工作决策。
  • 不敢放权的两个原因：
    • 黑盒焦虑：48% 只在结果容易验证时才信任 AI。核心业务代码没有推导和依据，没人敢直接合并；带了「依据」也可能掺幻觉。
    • 上下文饥渴：63.2% 面临信息不完整，60.9% 的关键知识只在资深员工脑子里。开发者认为 AI 最需要的上下文是项目目标和需求（85.2%）、代码和技术文档（73.3%），聊天和会议记录只占 15.8%。
  • 把记录堆进向量库解决不了问题：AI 不知道历史决策背景，会写出看似正确但违背团队约定的代码。
  • 四个方向：
    1. 证据包：93% 认为引用来源很重要。回答带出处、文件版本、适用范围和冲突来源，做到可引用、可追溯、可复现。
    2. 自动查岗：写完代码自动跑测试和静态检查，改 UI 打开页面截图，查数据返回原始 SQL 和数据时间。AI 能自己交执行证据，人才能省下审查时间。
    3. 按风险分级权限：只读默认自动；可恢复修改自动执行并留撤销点；外部写入先预览；发布、付款、权限变更必须人确认。
    4. 重构记忆：不只追加聊天摘要。上下文层要有权限、版本和时间，区分事实、决策、偏好和临时状态，并有过期和纠错机制。
  • 结语：多 Agent 的核心是清晰的责任边界。不需要模型更「敢做」，而要每一步可验证、可追溯、可控制。作者团队的 Agent 用户反复关心内容可靠性，证据链方案的效果还待验证。

另见

维护：Cursor Agent，2026-10-08。