01 我让 AI 写芯片驱动撞了三周墙后决定重构开发流程——电动机与纺织厂这是一个系列的第一篇分享我个人落地 AI 辅助开发的经验怎么判断怎么试错怎么重构。如果你在传统行业做软件——不管带团队还是写代码——正在想 AI 编程到底能不能用、该怎么用这个系列应该对你有用。一次闲聊带来的判断2026 年初一次同学闲聊。一位在大厂做软件的同学告诉我两件事他们公司已经把一部分软件定制开发工作交给 AI 来做并且为此缩减了相应的人力。演示可以挑场景试点可以挑项目但缩减人力是真金白银的决定。一家公司愿意为 AI 做这样的决定说明那些工作是真的被顶上了。我据此判断AI 编程到了可以正经使用的阶段。这个判断对我们这行的冲击是实实在在的。招聘、培养、项目管理、流程建设全都建立在代码由工程师一行一行写这个前提上。前提变了很多事情要跟着变。从那天起我开始主动了解 AI 编程的原理、用法和发展阶段。不过我习惯先动手再下结论。第一次严肃尝试撞在了墙上四月份我挑了一个真实任务让 AI 帮我写一颗低边发射芯片的驱动程序。结果不理想。首版代码出来得很快但之后整整三个星期我和 AI 陷入反复重构改一版发现问题推翻再改。最典型的一次AI 把两个模块拆开理由是职责清晰、接口干净但这两个模块本质上共享状态拆不开发现行不通又合了回去。那阵子产出的代码乱、重复多过程也磕磕绊绊。复盘下来主要问题在我自己我对这颗芯片的工作原理只懂个大概对 AI 当时的能力边界也没数却让它在一个公开资料稀缺的专有领域里硬干。不过这次失败让我摸到了边界资料充分、模式成熟的工作比如应用逻辑、流程性编码AI 已经可以顶用专有芯片底层驱动这类公开资料稀缺的领域AI 是短板得用特殊方法才可能有好的结果。边界划清楚了后面的判断反而好做门槛过了但过的只是部分场景。中小公司走不通让 AI 自己学的路接下来的问题是怎么让 AI 在我们的开发流程里真正用起来我最先想的路线是让 AI 自己摸索——给它足够多的资料让它自己总结出一套嵌入式软件开发流程。和 AI 深入聊了几次之后我放弃了这条路需要海量资料打底我们这样的中小公司几十个独立项目的积累远远不够。剩下的合理路线只有一条很像上世纪的专家系统不让 AI 自己学把我们验证过的成功经验直接交给它。具体是两样东西约束告诉 AI 该做什么、做到什么程度、产出放在哪里。落地形态是文件服务器与代码仓库的分工约定、开发流程约定、仓库里的文档模板。知识告诉 AI 怎么做。落地形态是模板里的内容、程序设计模式知识库、技能中描述的过程和方法。约束 知识这个框架后来成了我们整个体系的设计思想。这个系列后面几篇基本围绕它展开流程部分讲约束怎么定知识库和技能库部分讲知识怎么喂。电动机与纺织厂随着理解加深我形成一个判断AI 最终能承担程序员的大部分工作但它需要一套适合自己的开发流程。现有的软件工程流程——包括那些厚重的行业流程标准——都是围绕人设计的文档写给人读评审靠人逐行看项目状态靠人手工维护。这些环节存在的理由是人是这样工作的。让 AI 硬挤进这样的流程它的上限就被流程本身锁住了。那段时间我刷到过一个短视频讲电动机替代蒸汽机的故事我很认同蒸汽机时代纺织厂围绕一台中央蒸汽机布局靠大量传动轴把动力输送到全厂。电动机发明后工厂主最初只是把中央蒸汽机换成电动机传动轴原样保留效率没提升多少。后来有人反应过来电动机动力分散、可自由启停根本不需要传动轴。给每台机器单独配上电动机按电动机的特性重新布置整个工厂效率才提升了很多倍。只把 AI 当工具接进旧流程就像只换中央蒸汽机。想拿到真正的效率得按 AI 的特性把流程重新设计一遍——这就是我说的AI 原生开发流程。但我们这行错不起想法可以激进落地必须谨慎。我们的产品用在高可靠场景对稳定性、安全性和失效率的要求非常严苛现场出一次问题的代价远不是改行代码能了结的。所以重构流程在我们这里有个前提每一步都保留人工审核。AI 起草人拍板AI 检查人定论。这个分寸贯穿了整个系列也贯穿了我们每一次尝试。我自己有这些想法的时候公司正好要推进 AI 在工作中的应用两边一拍即合事情就这么启动了。然后第一次尝试就失败了——我们为新项目搭的第一套体系在第一个真实项目上没能跑下去。下一篇就讲这次失败。
