从0到90%：让AI承担⽣产代码编写

1. 从0到90%：让AI承担产代码编写个真实产项的实践与思考 yousa/厉辉 trae.ai TRAE (Meet>p)

2. 我介绍 1. 多年线研发经验（字节友商） 2. 知名开源贡献者（Github认证，可以免费使 Copilot） 3. 使经验：3年（2022年开始，VS Code Copilot、Cursor/Windsurf、ClaudeCode/ Codex/Trae SOLO） trae.ai TRAE (Meet>p)

3. 00 互动提问： AI 代码贡献 > 40%? Cloud functions are part of the serverless architecture paradigm, which allows developers to build and run applications and services without having to manage infrastructure.

4. AI编程的两种声 AI是10倍效率具，你们不是思想没跟上！太强了！我5分钟成了10个单元测试！就是个玩具。我花半时调试它写的Bug，还不如写。 AI在"真实世界"（Real World）中败涂地（复杂业务、上下、遗留系统） AI在"快乐路径"（Happy Path）上表现完美（新项、简单逻辑、历史包袱） AI 怀疑论者 (The Skeptic) AI 布道者 (The Evangelist) 谁说得对？

5. 01 信任？

6. 01 沮丧，经验不可复制，

7. 01 章节标题反思：我真正应该衡量什么？ - 我直在纠结“准确率”，但这是陷阱 - 我真正应该衡量的，是AI带来的“效率增益” (E ciency Gain) 核观点：不追求完美的代码，是追求显著的时间节省（效率优先于完美） - 个精准误的代码效率提升时间收益效率增益 = 纯耗时 / (AI 成时间 + 修复成本)

8. 章节标题 02 旧思维新思路旧思维新思路追求单点完美可靠性接受节点会失败追求AI 效率提升 IBM CAP定理就是个玩具。 Human-in-the-Loop 昂贵、难扩展最终我花半 AI开发的『A-A-S』权衡容错设计它写的Bug， Accuracy、Autonomy、Speed 还不如成的准确率迭代式脚测试驱动AI

9. 收益/ 个“甜点区”（Sweet Spot）耗时甜点区的四个特征（后端视甜点区单元测试、复杂数据映射、迁移脚本） 1. 重复性/模板化：如CRUD、DTO转换。 2. 耗时：纯需要超过2-3 时的繁琐任务。 3. 低险：核产逻辑。 4. 易于验证：容易判断对错，修复成本低。险/复杂度寻找第 TRAE (Meet>p) trae.ai

10. 01 效”的实践

11. 章节标题 01 Agent Coding 最佳实践和反模式 ✅ 明确定义任务范围 ✅ 聚焦AI擅场景 ✅ 励先计划再编码 ✅ 利 PR评审迭代 ✅ 提供项上下指令 ✅ 预配置依赖环境 ✅ 最授权具集 ✅ 构建安全防护 ✅ 保留复核环节 ✅ 充分利动测试 ✅ 持续Benchmark回归 ✅ 以效率增益为KPI ❌ 具泛滥，股脑全开 ❌ 上下臃肿，不加取舍 ❌ 不写测试直接上 ❌ 急停，任其失控 ❌ 不隔离沙盒，直接跑产 ❌ 志审计 ❌ 凭空授予敏感权限 ❌ 忽视安全扫描 ❌ 拿“AI产出量”当成功KPI ❌ 迷信AI全动能 ❌ AI代码不整理沉淀 ❌ 未验证就规模推

12. 02 章节标题 20%–30% 24% vs 50% 30% 主流企业新增代码AI占均值 vs 激进采 IDE 接受率微软 CEO 在 2025 年 4 安全公司 Aikido 的 2025/2026 年调研显 GitHub×Accenture 的企业 RCT 研究：开发示：全球者约 30% 的建议会被接受，且被接受的 AI 团队代码字符88% 会保留到最终版本。注意：这是建议被采纳来源：Research: Quantifying GitHub Copilot’s impact in the enterprise with Accenture

13. 01 前是AI的“禁区”（No-Go ，效率增益太低（ROI为负）

14. 01 AI友好的环境分层清晰档、Spec规范、动化测试质量输出次性通过，或者简单修改就可以使

15. 01

16. 01

17. 章节标题 01 案例：技术债项（背景：个技术债很重的项 Review耗时且效果差。，代码定义规则+ 格混乱，解决案（标准化+AI结合的甜点区）： 1. 标准化：定义了套项的“ 定义代码规则”（提炼共享上下） 2. AI应：利 AI（如Copilot）进动化的代码Review （建动化护栏）过程：AI根据定义规则，扫描PR， Review的负担的上下质量效果： - 幅降低了 - 逐步提升了项动提出修改建议。的AI实践动化代码Review）

18. 01 章节标题案例：技术债项（定义规则+ 的AI实践动化代码Review）

19. 01 章节标题程卓越与AI效能的良性循环

20. 01 动化(流成本) 线加速，降低提交前置检查 (pre-commit) 类型检查与静态分析单元测试覆盖率禁安全与依赖扫描 PR 模板与机器 CI 管道优化 (10分钟法则) 险与合规 (守住底线，随时随时可回滚的架构数据最化与脱敏审计与例外处置违规阻断策略接管)

21. 18

22. 19

23. 20 保护流

24. 21

25. 22 从 AI 管理者到 AI 设计师

26. 23 从 AI 管理者到 AI 设计师图来 Trae Expert 胥克谦

27. 23 AI 编程产的增轮

28. 暴论时间 Cloud functions are part of the serverless architecture paradigm, which allows developers to build and run applications and services without having to manage infrastructure. 04

29. GenAI 代码贡献率如何做到90+%？量的时间投尝试AI能做什么不能做什么不仅仅是停留在甜品区不断去思考AI能做什么看别 AI的各种最佳实践焦虑焦虑焦虑焦虑 FOMO 持续分享交流 trae.ai TRAE (Meet>p)

30. 02 章节标题 20%–30% 24% vs 50% 30% 主流企业新增代码AI占均值 vs 激进采 IDE 接受率微软 CEO 在 2025 年 4 安全公司 Aikido 的 2025/2026 年调研显 GitHub×Accenture 的企业 RCT 研究：开发示：全球者约 30% 的建议会被接受，且被接受的 AI 团队代码字符88% 会保留到最终版本。注意：这是建议被采纳来源：Research: Quantifying GitHub Copilot’s impact in the enterprise with Accenture

31. 02

32. 01

33. 01

34. 章节标题 AI是 01 程环境的“镜 ”