莱特兄弟与AI Coding

AI Coding是什么？AI Coding就像是早期的飞机

第一行AI写的代码出现，和1903 年 12 月 17 日莱特兄弟飞机上天的意义一样，解决了大众认知的“有无”

目前AI不成熟，不稳定，很多漏洞，是的，飞机刚上天的时候也是一样。

我们不能拿现在大型飞机的要求去要求现在的AI，但是总有一天，AI能够通过工程化的能力变成可靠的大飞机

当 AI 拥有足够准确的推理能力，就像人类拥有了足够推重比的引擎。总有莱特兄弟和其他一众发明家，心心念念的想踏入以前未能踏足的土地。

现在我们看到的“AI Coding”，正如早期创造的飞机，大多是手工作坊式的胶水代码拼凑出的飞行器——它们能飞，但离安全、可靠、可量产的航空工业，还有一场系统工程革命要走。

一、引擎有了，但飞机还是手工攒的

1903 年，莱特兄弟的“飞行者一号”飞了 12 秒。它证明了：只要有足够推重比的引擎，木头、帆布和钢丝也能上天。

今天的 AI Coding 正处在这个阶段。大语言模型提供了“足够准确的推理引擎”——它能写函数、修 Bug、甚至完成一个完整的前端页面。于是，无数开发者和创业公司用 Cursor，Codebuddy，Claude Code、这些自制脚本、提示词模板把这些能力“胶水”起来，快速推出了号称“AI 驱动”的软件。

这些“飞机”能飞，但：

没有统一的机身结构——每个项目都是一套独特的胶水代码；

没有仪表盘——开发者不知道 AI 为何做出某个决策；

没有适航标准——能跑通 demo 就算成功，没人关心它明天还能不能飞。

这是飞机工业的第一个教训：引擎只是起点，真正的航空始于“标准化”。

二、从“飞行表演”到“适航标准”

飞机工业在经历了无数次坠毁后，才建立起了适航标准。没有适航，飞机永远是冒险家的玩具，而不是可以载客、运货的交通工具。

AI Coding 必须建立自己的“适航分级”：

等级 定义 强制要求

L1 原型级 内部验证、一次性任务 无强制，但必须标注“AI 生成，未经审查”

L2 工具级 非核心内部工具 单元测试覆盖率 > 80%，人类审查关键路径

L3 生产级 面向用户的功能模块 必须通过“风洞测试”，且有完整可观测性

L4 核心级 交易、安全、数据一致性强相关 人类签字 + 形式化验证 + 独立安全审计

可落地的第一步：每个团队在引入 AI 生成代码时，先定义自己的“适航等级清单”，并严格执行审查流程。这不需要等待行业标准，今天就能做。

三、在“起飞”之前解决问题

早期飞机是“造出来飞一下，摔了再改”。后来有了风洞——在地面上模拟极端气流，把问题消灭在设计阶段。

AI Coding 目前最缺的就是 “风洞层” 。我们让 AI 生成代码，然后运行，报错，再把错误贴回去让它修。这种“空中修发动机”的模式，在简单场景可行，在复杂系统中会指数级放大风险，而且，最终测试成为了AI Coding的最大瓶颈。

建议：建立 AI 代码的离线仿真测试体系

依赖注入式沙箱：AI 生成的代码在被合并之前，必须在一个模拟真实环境的沙箱中运行，接受故障注入、并发压力、依赖异常等测试。

架构级风洞：对于大型项目，AI 不应直接写代码，而应先输出架构决策、模块契约、状态机图，在“数字孪生”层面验证无误后，再进入代码生成。

这听起来重，但可以自动化。已有开源项目提供代码沙箱能力，团队可以将其固化为 CI 流程的一部分。

四、用自动驾驶分级来明确人机边界

飞机从未走向“完全无人驾驶”，而是形成了清晰的自动驾驶等级——从 L1 高度保持，到 L3 自动巡航，再到 L4 全自动飞行（特定阶段）。关键点：在任何等级下，飞行员与系统都有明确的职责边界和切换机制。

AI Coding 工具今天常给开发者两个极端：要么全手动， 要么“一键生成整个项目”。开发者不知道何时该介入，如何介入。

建议：将 AI Coding 工具显式分级

等级 能力 人工职责

L1 辅助 代码补全、解释、单步重构 开发者完全控制

L2 模块级 生成一个函数/组件，提供测试用例 人工审查代码与测试

L3 任务级 完成跨文件、多步骤开发任务 人工设定目标、验收标准、拒绝权

L4 系统级 持续维护特定子系统（如 CRUD 后端） 异常告警 + 定期审计

工具应允许开发者显式选择当前任务所需的等级，并在等级切换时给出清晰的接管点（例如修改数据库 schema 时强制人工确认）。

五、从“王牌飞行员”到系统工程

航空史上最重要的一句话可能是：“这不是飞行员的问题，是系统的问题。” 成熟的航空工业，靠的不是一两个王牌飞行员，而是设计、制造、运维、培训、空管一体的系统工程。

AI Coding 领域充斥着“一人用 AI 三天做出 XX 产品”的英雄叙事，但缺乏：

• 50 人团队如何统一使用 AI 并保持代码风格与架构一致；
• AI 生成的老旧系统迁移方案如何保证数据一致性；
• AI 代码的长期技术债务如何度量和管理。

建议：建立 AI Coding 的系统工程能力

设立“AI 代码集成工程师”角色：在组织中，由专人负责 AI 生成代码的集成规范、测试策略、审计流程——类似于航空公司的放行工程师。

将提示词工程资产化：好的提示词、Agent 配置、工具调用模式，不应散落在个人笔记中，而应作为团队资产纳入版本控制、评审和迭代。

度量“AI 代码的技术债”：引入指标如“AI 代码的修改频率”“人类修复 AI 代码的平均耗时”，像监控发动机健康一样监控 AI 生成代码的可维护性。

六、无人机“造生态”的启示

飞机工业的另一个分支——无人机——走出了不同的道路：平台化、组件化、高度自治。

一架现代无人机，飞控、动力、载荷、通信都是标准化模块，用户根据任务自由组合。开发者不需要重写飞控算法，只需要调用 API。

AI Coding 的未来也应该如此：不是每个团队都在造自己的“AI 飞机”，而是有标准化的“AI 飞控平台”和“可互换的组件”。

建议：催生 AI Coding 的“无人机生态”

定义 Agent 协作协议：让专注代码生成的 AI、专注测试的 AI、专注部署的 AI 可以像可互换的部件一样协同工作。目前 MCP（Model Context Protocol）等协议正在萌芽，应积极推动其在行业落地。

将“胶水代码”产品化：今天每个项目手写的提示词模板、输出解析器、错误重试逻辑，未来应成为标准库的一部分——就像飞机上的铆钉和线束接口，不再需要每个工匠自己搓。

七、结语：我们正站在航空时代的前夜

莱特兄弟的飞行者一号只飞了 12 秒，但它开启了航空时代。

今天，我们手握足够强大的 AI 引擎，用胶水代码拼凑出的“AI 软件”正在四处起飞。它们也许简陋、脆弱、不可持续，但它们证明了可能性。

接下来，不是去造更大、更炫的“一架飞机”，而是建立：

适航标准——让 AI 代码从“能跑”变成“可信”；

风洞体系——把问题消灭在地面；

自动驾驶分级——让人机协作有章可循；

系统工程能力——让英雄主义变成组织能力；

平台化生态——让创新建立在可复用的组件之上。

当我们完成这些，AI Coding 就不再是冒险家的游戏，而会成为像现代航空一样——安全、可靠、无处不在的基础设施。

那时，我们才能真正说：AI 编程，从莱特兄弟飞向了无人机时代。