在之前的一篇文章中，我讨论了 AI 氛围编码方法：这是一种自上而下的方法，其中提示首先关注需求，然后是架构，最后才是代码。这种技术在个人层面上非常有效，非常适合新项目（绿地） 。
当你尝试将其应用于实际环境时，问题就出现了，因为这些环境包含大型代码库、分布式团队、持续集成/持续交付 (CI/CD)、质量保证 (QA) 和跨平台评审。这正是许多现有工具的不足之处：它们是为 单人模式设计的。
真正的团队：生产力、背景和协作
许多团队与AI工具有着特殊的关系。其收益并不显著，原因在于两个关键因素：
大型代码库：如果没有广泛的背景就很难分析。
团队合作：如果每个开发人员都与自己的机器人进行交互，工作流程就会中断。
Augment Code 等工具尝试使用针对代码环境定制的RAG 工作职能电子邮件列表 （检索增强生成）架构来解决这个问题 ，其中模型可以访问相关上下文（类、文档、技术决策）以更好地做出响应。
机器人与钢铁侠：人工智能作为代理还是助手
另一个关键点是使用人工智能的哲学：我们希望它作为替代品（机器人）还是作为增强器（钢铁侠）？
机器人/自主机器人：无需人工监督即可创建 PR 的工具。
助手/混合：AI 集成到您的 IDE 中，建议更改，然后您进行审核和决定。
如今，第二种选择具有明显的优势：
更短的反馈周期。
更好的与团队融合。
降低严重错误的风险。
目标是创建超级团队，而不是取代人员。
开发者幸福感 > 生产力
最有力的见解之一是，最好的团队优化的不是生产力，而是开发人员的幸福感。
这是如何实现的？
减少重复性工作 （辛劳）：测试、PR、文档等。
增强创造性工作：设计、建筑、解决问题。
真实的例子：
测试：得益于人工智能，TDD 正在经历一场小规模的复兴。如果测试由机器人生成，那么编写良好的规范就成了新的超能力。
文档：人工智能可以维护技术评论和规范，而人类则专注于架构决策。
评论和质量：有助于检测错误、漏洞和坏味。