为何大多数企业AI编码试点项目表现不佳

2小时前7 min read

生成式AI在软件工程领域的承诺已发生巨大演变，远不止最初吸引开发者注意的简单自动补全功能。新兴的前沿领域是智能体编码：即设计用于在反馈指导下，规划、执行并迭代多步骤复杂变更的AI系统。然而，尽管围绕这些“能编码的AI智能体”的兴奋情绪高涨，企业部署中却出现了一个严峻现实：大多数项目表现远低于预期。关键瓶颈已不再是底层大语言模型的原始能力。相反，决定性因素是上下文——即围绕被修改代码的复杂网络，包括结构、历史演变和底层意图。这不仅仅是一个工具挑战，更是一个根本性的系统设计问题。企业发现，他们尚未构建出这些自主智能体必须导航的信息环境，这一缺失导致即使是最复杂的模型，其产出在技术上正确但在实践中毫无用处。从辅助工具到智能体工作流的转变，代表着复杂性的巨大飞跃。过去一年，研究已开始形式化真正的智能体行为所需的能力：跨越设计、测试、执行和验证阶段进行理性思考的能力，而非生成孤立的代码片段。例如，关于动态动作重采样的研究表明，赋予智能体分支、重新考虑和修订自身决策的能力，能在大型、相互依赖的代码库中带来显著更好的结果。在平台层面，这体现在诸如GitHub的Copilot Agent和Agent HQ等举措中，它们旨在为真实开发管道内的多智能体协作提供专门的编排环境。然而，早期的实地结果敲响了警钟。在未同时重新设计工作流和环境的情况下引入智能体工具，反而可能降低生产力。最近一项随机对照研究显示，在未改变的工作流中使用AI辅助的开发人员完成任务实际上更慢，他们被验证、返工和意图混淆带来的开销所拖累。教训很明确：没有编排的自主性很少能带来效率。在我分析过的每一个不成功的部署中，根本原因都可追溯到上下文缺失。当智能体缺乏对代码库（包括其相关模块、依赖图、测试框架、架构惯例和变更历史）的结构化、精心策划的理解时，它就像在真空中操作。结果往往是看起来合理但与系统现实脱节的代码。目标不是简单地给模型输入更多标记（一种可能使其不堪重负的蛮力方法），而是精心设计哪些信息应该可见、以何种形式、在何时可见。取得实质性成果的团队将上下文视为一等工程界面。他们构建工具来快照、压缩和版本化智能体的工作记忆，决定哪些内容在多个回合间持久化、哪些被丢弃、哪些被总结、哪些被链接而非内联。他们设计深思熟虑的推理步骤，而非非结构化的提示会话。至关重要的是，他们将规范提升为主要工件——可审查、可测试且被明确拥有——而不是将其留在临时的聊天历史中。这与一些研究人员描述的“规范成为新的事实来源”这一更广泛趋势相符。然而，仅靠上下文工程是不够的。企业必须同时重新架构围绕这些智能体的人力工作流。正如麦肯锡2025年报告《智能体AI的一年》所强调的，生产力提升并非来自将AI叠加到现有流程上，而是来自从根本上重新思考流程本身。将智能体放入未经改变的工作流会产生摩擦，工程师验证AI编写代码的时间比他们自己编写代码的时间还要长。这些智能体只能放大已经结构良好的事物：具有清晰所有权、全面测试和稳健文档的模块化代码库。没有这些基础，自主性就会退化为混乱。这种转变还需要安全和治理范式的转变。AI生成的代码引入了新的风险：未经审查的依赖项、微妙的许可证违规以及可能绕过传统同行评审的未记录模块。成熟的团队正开始将智能体活动直接集成到CI/CD管道中，将智能体视为自主贡献者，其产出必须像任何人类开发者一样通过同样严格的静态分析、审计日志记录和审批门禁。目标不是让AI“编写一切”，而是确保当它行动时，是在明确界定且可执行的护栏内进行。对于技术领导者而言，前进之路始于对准备情况的冷静评估，而非炒作。测试稀疏的单一应用程序很少能产生净收益；智能体在测试具有权威性并能驱动迭代改进的环境中才能茁壮成长——Anthropic特别强调了编码智能体的这种循环。审慎的策略是在测试生成或遗留系统现代化等范围严格限定的领域启动试点，将每次部署视为具有明确指标（如缺陷逃逸率、PR周期时间、变更失败率）的受控实验。随着使用规模扩大，智能体应被视为关键的数据基础设施。每一个计划、上下文快照、操作日志和测试运行，共同构成了可搜索的工程意图记忆，形成持久的竞争优势。在技术表象之下，智能体编码与其说是一个工具问题，不如说是一个深刻的数据挑战。每个上下文快照和代码修订都成为必须存储、索引和重用的结构化数据。企业将发现自己正在管理一个全新的数据层，它不仅捕获构建了什么，还捕获其背后的推理过程——将工程日志转化为意图和验证的知识图谱。那些学会搜索和回放这种上下文记忆的组织，将决定性地超越那些仍将代码视为静态文本的组织。未来一年将决定智能体编码是成为企业开发的基石，还是另一个被夸大的承诺。差异将完全取决于上下文工程：即智能体所依赖的信息基底的智能设计。赢家将是那些不将自主性视为魔法，而是将其视为严谨系统设计的逻辑延伸，并建立在清晰工作流、可衡量反馈和严格治理之上的人。.

#enterprise ai

#coding agents

#context engineering

#workflow automation

#ai regulation

#generative ai

#editorial picks news

Stay Informed. Act Smarter.

Get weekly highlights, major headlines, and expert insights — then put your knowledge to work in our live prediction markets.