AI时代的工程师工作流：六种风格、一个共识本源进化

AI时代的工程师工作流：六种风格、一个共识

本源进化
28分钟 ·
播放数3
·
评论数0

AI时代的工程师工作流：六种风格、一个共识

开场｜AI不是“傻瓜键”，而是需要驯化的“新同事”

Hello，大家好，欢迎来到本源进化。
你有没有想过：我们每天在用的软件和 App 背后，那些顶尖工程师在 AI 大潮里究竟是怎么工作的？AI 不是按下一个键、代码哗啦啦自动生成的魔术，它更像一个需要精心调教、设边界、讲配合，甚至偶尔要“斗智斗勇”的新伙伴。

今天，我们就走进几位一线工程师的真实工作流。你会发现：AI 让开发更快，也让“方法论”更重要；不同风格的工程师，因人因项定制工作流，没有万能答案，只有最适合你的那一套。

总览｜我们要关注的，不只是“用什么工具”，更是“如何思考与编排”

  • 关键问题：这些工程师如何设计工作流程、如何给 AI 设边界、如何找到与 AI 的最佳协作姿态？
  • 共识：AI 时代的软件开发更个性化、更依赖工程师的洞察与创造力。
  • 方法：或大胆试验、或严密编排、或极简聚焦、或过程至上——风格不同，指向同一目标：稳定产出 + 可控质量 + 可复用经验。

风格一｜探索家：大胆实验、摸清模型“脾气”

代表：YH / Jerry（Sparkle 项目）
关键词：对比实验、并行评估、能力边界、护栏

  • 做法亮点
    同时跑两种不同的 AI 编码模型（如 Claude Code 与 Codex），派同一任务做对比，摸清“性格差异”与擅长场景。
    通过 Figma MCP 集成让 AI 直接读取设计稿信息（颜色、布局、组件规范），避免手动截图，提高“设计 → 代码”的一致性与速度。
  • 护栏与节奏
    自研 Agent Watch 小程序：并行跑多个 AI 任务时，完成后自动提醒，防止沉迷细节、丢失全局。
    时间分区：
    上午＝稳定产出：使用已验证稳定的工具链（如某版本的 Claude / Codex）。
    下午＝探索试验：新代理、新功能集中试，把探索噪音与主线交付解耦。
  • 工具习惯
    使用 Warp 终端提升命令行效率；每次提交后用几句话记录问题与领悟，沉淀成动态学习文档，反哺 AI 上下文。
要点：实验精神 + 清晰边界。敢试新工具，但不让探索干扰交付，并用小工具与节奏管理维持“快且稳”。

风格二｜编排者：结构化规划、流程控质

代表：Karan（Cora 项目）
关键词：计划分级、权威上下文、严格审查

  • 计划分级（依据功能体量与复杂度）
    小功能    ：AI 基本能独立完成，人类轻审。
    中等功能：AI 先产出，人类细致审改。
    大型/关键功能：人类深度主导，与 AI 多轮迭代，关键段落亲自手写。
  • 信息对齐
    使用 文档聚合类 MCP 工具从官方文档/权威代码库抓取版本匹配的信息作为 AI 参考，先喂好食材，再做菜。
    计划同步至 GitHub，用精心设计的 Prompt/指令把计划拆成可执行任务。
  • 执行与审查
    模型多元搭配（如 Claude Code、Codex、特定代理工具）按任务选型而非逐新。
    先 AI 自动审查（如在 Cursor/Claude 内置流程），再进行人工审查；循环直到达标。
要点：面对复杂系统，重编排、重信息对齐、重质量闭环。追求可预测性与可复制性。

风格三｜极简集成派：单点聚焦，高度一体化

代表：Danny（Spiral 项目）
关键词：单环境深耕、前置规划、风险预估

  • 主场景
    在一个高度集成的命令行环境（如 Warp / Ghostty + CLI 工具）完成约七成工作。
    强模型先搭主题骨架（如“GPT-5 代 Codex”），再用另一模型精细打磨与集成。
  • 规划与预估
    规划阶段与 AI 深度对话：把实现方案具体化，并让 AI 预估二/三阶影响（性能、维护成本、技术债），把风险与应对写入里程碑。
  • 设备与工具
    极简设备    （单屏/少量编辑器），仅在需精准还原 UI 时补副屏；尽量不切换上下文。
要点：把复杂性管理前置，在单一高效环境里持续聚焦，以规划换稳定、以极简换速度。

风格四｜过程即真理：一切以“工单事实”为准

代表：Navin（Monolog / Monologue 项目）
关键词：可追溯性、双轨制、语音输入、严苛审查

  • 原则
    Linear 是唯一真实来源    ：所有需求最终都要落到 Linear 工单；每个任务必须能追溯到原始请求（Discord/邮件/反馈/会议）。
  • 双轨执行
    小任务    ：在 Linear 填充上下文 → 复制到 AI 工具（近期从 Claude Code 迁到 Codex Cloud）快速改动。
    大功能：切到本地 Codex CLI，手写并维护 plan.md 作为“活蓝图”，与 AI 代理同步迭代。
  • 云端 vs 本地
    云端（Codex Cloud）    ：头脑风暴/多方案草稿 PR，快试错。
    本地（Codex CLI + Ghostty）：按 plan.md 严密施工，人类像监工盯步骤。
  • 审查闭环
    先用模型内置 review 命令自动扫描，再人工对比 diff；修 bug 时结合 Sentry 日志，以数据验证修复成效。
  • 输入效率
    深度集成自研 Monologue（语音转文字）：口述任务/计划，让“脑中想法 → AI 上下文”更快。
要点：工单即事实、云端快试错 + 本地严施工、数据验证修复，过程纪律保障质量与速度兼得。

风格五｜务实派：不追星，围绕“稳定与一致性”做选择

代表：Andrew（工程负责人）
关键词：以用定型、以本为本、能力驱动

  • 选择逻辑
    长期用 Cursor，因定价调整超额度后被迫换到 Codex。如果没有更合适选项，宁愿付费续用，不为“新”而新。
  • 模型观察
    在 GPT-4.5 / GPT-5 世代后，模型对既有代码库上下文的理解显著提升，开始能独立完成简单 MVP。
    Codex 以往擅长后端规则与数据处理、UI 偏弱；“GPT-5 代 Codex”UI 能力明显进步。
    Claude 在 UI 上更具创意，但如今为 UI 切换模型的必要性降低。
  • 判断标准
    核心在 稳定性 / 一致性 / 能力边界清晰，而非“花哨功能”。用得顺手、能把事做成，就是好工具。
要点：不逐新，不迷信；以交付与成本为中心做工具决策。

风格六｜深度绑定：一把梭，极致默契但警惕单点风险

代表：Nikhil（Correa 项目）
关键词：单工具深耕、强控场、主动打断、GitHub 协作

  • 工作形态
    MacBook Air（M1）单机    完成全部 AI 辅助编码；几乎只用 Claude Code（付费 Max）。
    先花大量时间读熟代码库，在 AI 帮助下制订极其细致的实施计划；编码时只开一个终端窗口，“像激光一样”盯住当前任务。
  • 强控场
    随时按下     Esc 打断 AI，要求解释当前操作与原因；牺牲些速度换正确性与自我成长。
    直面风险：单工具依赖导致一旦服务中断，效率大幅受损。
  • 人机协作
    GitHub 作为协作界面    ：人类在 PR 留评，让 AI 读评论并二次修改；Cursor / Warp 等工具锦上添花，但非核心。
要点：专注带来默契与效率，但要正视单点依赖风险；通过“主动提问与解释”确保人类始终在驾驶位。

三大共识｜把“AI + 工程”做对的底层方法

  1. 极致个性化
    没有放之四海皆准的万能工作流。大胆实验 → 反思沉淀 → 形成“你的那套”。
  2. 人机协同的角色升级
    重点不再是“AI 能不能”，而是“我如何引导 AI、如何编排流程、如何做质量守门人”。
  3. 持续学习与主动设限
    用工具（如 Agent Watch）和时间分区设护栏；用“主动打断、要求解释”保持批判性思维与主导权；用复盘笔记喂养上下文，滚动升级你的工作流。

结尾｜留给你的一个思考题

当 AI 能力以超出想象的速度进化，理想的人机协作会是什么样？

  • 人类继续做出点子与拍板、AI 做超级执行？
  • 还是走向更深的融合，难以分清边界的“共创体”？

没有标准答案。但可以确定的是：边试、边设限、边复盘，你就能更快、更稳地抵达属于你的“最佳解”。

小宇宙图标
在小宇宙打开