探讨一下使用 AI 开发和维护大型项目的经验

设计、编码、测试、审核有在项目内产出完整的文档吗？能否随时切换到人工维护的状态。可以使用 speckit/openspec 这类工具

我觉得 AI 写的项目只能 AI 维护了，并且时间长了 AI 也没法维护了

因为你“管理能力不足”，你可以把 Agent 的想象成一个黑盒，输入需求，输出代码/文档，至于里面是人工智能还是“人工”智能其实无所谓，本质上你就相当于管了一个小开发团队，你兼职了项目管理+产品管理+团队管理，你要以“管理”的思路去优化整个开发流程。

去死噻，根本无法维护，弄半天跟头蠢驴似的，提示半天，方向不对，努力白费，浪费一堆 token

@defunct9 模型不行/prompt 准备工作没到位
现在的 LLM 已经可以写得比大部分码农要工整规范了

感觉一定要做好文档管理，模块化管理，不断分阶段总结和记录形成文档。让 AI 知道这些项目的进度和架构，不然过一段时间，就一团糟了。解决完了一个疑难问题也要总结形成经验文档。

擦，写一堆的 prompt ，比代码还复杂

用了几个 Agent 分别扮演设计、编码、测试、审核的角色这一步毫无意义，升级模型比优化 prompt 更有效。

现在感觉能用的首选 gemini3 ，其次 codex5.2 ，其他的都没法用。

@4ark 都有文档产出，但是不能保证都非常完整。而且文档数量也已经很多了。我先去学习一下你说的工具，非常感谢～

1 、扮演角色有什么目的吗？
2 、是否有节省上下文的针对性设计？
3 、期待的交互模式是什么？全自动？半自动？还是开发人员驱动？
4 、“大型项目”有多大？
5 、你用的什么 AI 模型与工具？

@maichael 本质上管了一个小开发团队这个是接受的，LLM 是无法做到人那样会对自己的工作有长期的上下文并且去负责任的，现在的问题是该如何提升这种管理能力呢？

@sentinelK 1.主要就是尝试把不同的工作解耦出来，试图增加掌控力。2.这方面可能欠缺比较多，欢迎给出一些建议哈。3.期待的交互模式半自动吧，其实自己也没有想好，最初的想法就是看了 openai 的那个分享想尝试一下能做成什么样子。4.现在还没有那么巨大哈，ROS 相关的目前有十几个模块吧。5.codex 、antigravity 、claude code 都有。

几个 agent 之间怎么交互,通过文档吗?

要做到一次性全命中还是非常难的，至少要保证能看得懂 AI 的代码逻辑，后续还有修改的空间。如果人工已经很难参与进去了，那就变成黑箱屎山，没救了

一开始就搞几个 agent 没必要吧，感觉复杂化了。

@ktyang
有没有一种可能，垂直形态的工作分工才是 AI 驱动编程的更好方式？（逻辑复杂度低，上下文长度小，成果人工审核难度不大）

没有上下文边界（比如有详尽文档就不要直接接触代码），半自动没有开发介入，且横向分工的结果就是最后就是压到后面的工序积累的误差爆炸。导致整个项目的正确产出没有任何的统计学优势。

最终结果必然就会不稳定。

不要生成脱离掌控的代码，及时回正。 只要不符合代码规范的及时让 ai 改写

但是 注意的是， 既然 ai 驱动了， 就不要手动去改了，效率低到让人发指。 让 ai 去改就效率高很多

真的很难。我使用 opus4.5 ，重构一个前端老项目里的一个大页面，大概一万行代码都写在一个文件里。上下文严重超出，AI 无法读完全部代码，最后重构完丢失了很多功能细节。

ai 拆分功能，一个功能一个功能做，最后生成了 80 多个文档，导致你发现问题的时候很难找到对应哪个文档。
想写自动化测试，用 AI 写测试代码，要跑通也花费大量的时间和 token 。。

我的流程是：AI 阅读代码->出改进文档->根据文档优化代码->提交代码->AI 审核 git 记录优化是否合理，是否有遗漏。结果每次审核都发现遗漏。

当然如果让人来做，读一万行代码也是个灾难。。

![项目 DNA][https://imgur.com/a/zB9eEIx]


因为你不是在用 AI 提效，是想逃避困难，AI 能把已知的算法写得比你好，你应该把更多精力放在真正关键的挑战上，想想业务，想想系统该怎么设计，现在成了: 有个问题搞不定了，扔给 AI 吧，还是搞不定？搞个 Agent ，如果还是搞不定就整个更复杂的 Agent

@v2tex 放弃发图了，

简要来说就是要给项目一套全局信息，AST 类似人类的 DNA 或者容器的 dockerfile ，代码只是 DNA 解析的产物，可以随时放弃

我的经验是作为 AI 的项目经理，不需要纠结实现的细枝末节，但是需要掌控项目架构，并在使用 AI 创建项目甚至后续迭代过程中严格引导 AI 遵循当前的架构设计。禁止非必要的不符合架构设计的逻辑实现。

在开发新特性/修复缺陷/重构逻辑的时候，不是一股脑儿地把整个项目给 AI ，而是选择性地添加相关的文件作为本次对话的上下文。

宝子们加油，我等着抄你们作业

1. 自己读代码
2. 经常读代码
3. 遇到要重构的，立刻要求重构
4. 测试，亲自测试

不讲提效，只从维护的角度，经常重构，让代码清晰，让你可以理解逻辑，看不懂就重构

你直接把这个问题发给 AI ，让它给你一个你能指导它完成的方案。努力把自己解放出来……

用 llm 的首要原则是，“慢就是快，快就是慢”，一定要解耦分步骤。

@ktyang 不是很赞同，关于长期的上下文，可以通过落地到文档中来解决，毕竟正常开发人员，一两个月以后也不一定记得住自己当时写的代码逻辑。负责任就更不用说了，毕竟开发人员会离职、被裁员，还需要交接，LLM 可以一直干。

分小块，每次都要落地到稳定中，管理稳定。越到所有的问题都分解。。不过这样有点烦。