AI 代理 vs 开发者：5 个差异

开发中的 AI 智能体：与人类开发者的五大关键差异及影响

基于大语言模型（LLM）的智能体为一个拥有 17 个无文档遗留 Java 系统生成架构文档。输出结果：详细的依赖图、接口描述和组件注释。这份文档模仿了成熟团队的规格说明。但在涉及历史权宜之计的地方——比如用代理层代替消息队列——智能体将其呈现为标准架构，自行编造不存在的逻辑，却不加任何说明。

人类开发者会停下来向原作者求证。智能体只处理可见代码，填充解释时不注明假设。随着平均输出准确率的提高，错误越发难以察觉。

AI 智能体与开发者的五大根本差异

无项目记忆

智能体孤立处理任务，没有累积上下文。在一个现场记账项目（离线工头报告）中，同步冲突优先服务器侧，以避免过去的重复 bug。开发者记得迁移时用了唯一索引。智能体需要将这段历史喂入上下文文档。

对于地籍公用事业（GKN/EGRN），联合解析格式花了一周时间：字段差异、必填属性。没有这些，智能体生成的代码看似合理却无法使用。

解决方案： 维护上下文文件，记录架构决策和领域知识。

字面规格遵守

任务：同步冲突时的版本选择对话框。智能体为单个字段写了一个 React 组件。在生产环境中，多字段冲突（日期、体积、评论）时崩溃——其他变更丢失。

开发者会澄清歧义：单一对话框还是逐字段、离线场景。智能体忽略现实模型。

// 示例：智能体为单个字段生成的代码
const ConflictDialog = ({ field, localValue, serverValue }) => (
  <Dialog>
    <p>{field}: {localValue} vs {serverValue}</p>
    <button>本地</button>
    <button>服务器</button>
  </Dialog>
);

SENAR 的质量关卡： 提前定义目标、验收标准和负面场景。

错误放大

生成 11 个地籍公用事业工具时，一个坐标公式错误（偏差几厘米，对测绘至关重要）在三个工具中重复。智能体的速度放大了成功与失败。

• 检查一组中的多个模块，而非仅一个。
• 模式错误会复制到所有类似文件中。

忽略长期架构

任务：Sortula 中的链接搜索。智能体直接从处理器查询。脚本无妨，但成长中的项目需要服务层支持缓存、排序、A/B 测试。

在上下文中添加架构部分后，智能体一致使用该层。

无下游影响责任

数据库迁移：工头级联删除会清空报告和照片。测试漏掉——它们基于 schema。智能体瞬间忘记任务。

开发者能预见一个月后的 bug。领导责任： 手动审查迁移。

对工程流程的三点启示

• 双重检查点： 智能体加速进程，但需在关键阶段验证——架构、迁移、边界情况。

• 上下文为基础： 将架构决策、领域信息和历史存入仓库。SENAR 标准化此流程。

• 人类过滤： 智能体执行，人类制定策略。主动性和责任仍属人类。

关键要点

• 智能体擅长静态代码分析，但会无声明地编造隐形逻辑细节。
• 字面执行需详细规格，包括边界情况。
• 错误在模块系列中放大——抽检必不可少。
• 提前将架构决策喂入上下文。
• 完整生产责任由首席开发者承担。

— Editorial Team