文章将 AI 编程划分为从简单的问答（L1）到全托管 Agent（L3）及网页 Demo 工具（L4）四个等级，重点分析了具备环境操作能力的 Agent 模式。作者分享了从怀疑到深度依赖 AI Agent 的转变过程，提出在 2026 年，熟练掌握 Agent 已成为生存技能。文章详细介绍了如何在本地和云端利用 Claude Code、Codex 等工具，并强调了“信任但要核实”的原则，通过 Git Hook、单元测试围栏、静态检查和复杂度分析等“质量守卫”手段确保代码可控。最后为工程师提供了分阶段接入 AI 工作流的实践建议，鼓励开发者从体力劳动转向创造性工作。
Bestony 2026-02-06 12:12 辽宁
以下文章来源于：白宦成
白宦成
独立开发者、开发者关系专家、播客主播；专注于开发者关系、开发者生态、开源生态研究及互联网软件开发领域。
2026 年你依然可以 Happy Coding。
编注：我们会不定期挑选 Matrix 的优质文章，展示来自用户的最真实的体验和观点。 文章代表作者个人观点，少数派仅对标题和排版略作修改。
2025 年，我的工作习惯彻底被 Claude Code、Cursor 和 Codex 改变了，它们给我带来的改变，不亚于当年我用易语言写出第一个应用程序。同时这句话不仅适用于我的产品经理身份，也同样适用于我的工程师身份。
对我来说这不仅是软件开发效率的提升，也是软件开发方式的重构。
▍我说的是哪种 AI Coding
在社交媒体上讨论 AI 编程时，很多时候大家其实没有对齐在讨论的 AI 编程范畴和适用领域。所以大部分情况下大家在鸡同鸭讲，公说公有理、婆说婆有理。在我们真正讨论 AI 编程之前自然需要先澄清一下，我们到底在讨论什么「AI Coding」？
目前来说， AI Coding 有几种不同的产品和用户交互形态，包括：
- L1：古典的 ChatGPT 交互问答。
有问题直接问 ChatGPT、Gemini、Claude 等 AI 助手，借助 AI 助手给出的信息，自行 Debug 和修改代码。
- L2：IDE / 插件中提供的补全功能。
直接写函数名，然后 AI 会帮你补全函数的细节，你再自己微调或者不微调。这种能力其实过去也有，只是没有这么强悍。大家使用 IDE 来开发，很大程度上就是在利用 IDE 极佳的补全能力。
- L3：本地 AI Coding 工具的 Agent 模式，全托管或半托管式编程。
你只描述需要做什么，具体做动作由 AI 来完成；这里还有几个细分的方式，包括完全托管（比如 Claude Code 开
–dangerously-skip-permissions、Codex 开–dangerously-bypass-approvals-and-sandbox）和半托管（用户手动确认行为，只是由 AI 来完成具体修改的动作）。L3 操作的是你的本地环境，有破坏的风险，但也有无限的可能。 - L4：使用网页端的 AI Coding 工具直接出 Demo。
不需要在本地配置任何开发环境，直接在网页端完成 Coding，你只需要描述你想要的东西，剩下的完全交给 AI（虽然这往往意味着难以与复杂的本地业务流集成）。
所以大家在社交媒体上和别人讨论 AI Coding 的时候，很有可能你在聊 L3、但别人在聊 L4。看似聊的是一个东西实际上完全不同。我们这篇文章讨论的则主要是 L3 —— 即使用本地的 AI Coding 工具的 Agent 模式，全托管或半托管式编程。
▍为什么是 Agent 模式
说完了大家眼中不同的 AI Coding 工具，我也必须再强调一下，即使大家聊的都是「AI Coding 工具的 Agent 模式」，因为身份不同，每个人的用法也会有很大差异，大家对工具的预期也完全不同。
因此对 Agent 模式的评价大体也可以拆分为三个大类：
-
传统的软件工程师：使用 AI Coding 工具完成自己工作过程中的一些辅助性工作，对于自身的能力和工作的要求有较高的要求。
-
有一定研发概念的产品工程师（称之为产品工程师是因为他们有一些基础的软件工程概念）：使用 AI Coding 工具拓展自己的能力圈，去做一些之前必须依赖软件工程师才能做完的事情（比如做个小 Demo，或是上线一个软件产品）。
-
被媒体上的文章忽悠进来的小白（他们基本上没有太多的软件工程经验和基础）：跟着网络上的信息了解到了 Coding Agent，然后尝试在不同的软件上使用（不局限于 Claude Code，Cursor 的 Agent 模式也算），经常会卡在一些软件工程的基础问题上。（我特别推荐这类人去看《计算机教育中缺失的一课》，看完以后，会让你很快理解你所遇到的问题，并能够快速处理 AI Agent 所给你的信息，进行下一步操作）。
而之所以是 Agent 模式，相比于补全模式需要你有一段现成的代码，Chat 模式往往不指引你完成所有的工作、或需要你有一定的互联网软件基础，Agent 模式自带的环境操作能力，能让你即使完全不懂 AI 和 Coding，也可以做一个像模像样的小应用出来。
这打破了过去需要软件工程师才能做出一个 Demo 的限制，同时也极大地鼓励了新手小白，人人都想试着做一些有意思的事情。Agent 模式也是 AI Coding 最出圈的一个特性。
▍我与 AI Coding 的 Agent 模式
在这条推上，我提到我经历过三种不同的状态，这源自于我过去一年的体验。
在过去这一年里，我从一个「以补全为主，抗拒 AI Coding Agent」的工程师，转变为了一个「好好利用 AI Coding Agent」的工程师。当中离不开我身边的朋友们和小伙伴们，和他们的协作让我真的意识到了 AI Coding Agent 的价值。
作为一个写了十数年代码的工程师，我拥有一些自己平时写代码的「脚手架」，可以帮助我快速完成一个项目，而同时出于工程师的自我要求，我希望我自己写的代码能够拥有不错的代码质量和性能。
所以在一开始我对于 AI Coding Agent 的能力是持怀疑态度的，虽然依然会使用，但整体信任度没有那么高，往往只让它处理细枝末节，比如让 AI 去写一个完整的功能的细节，或者是让 AI Coding Agent 去 Code Review，基本不会让它动业务代码。
直到 Claude Sonnet 3.7 的时候，我才发现 Claude Code 已经能完成不少的工作，甚至很多小的功能也不再需要我先行规划、再让它自己做细节。我可以非常坦然的交给它一些工作，而我只做关键验收。从这个时刻开始，我对于 AI Coding Agent 的使用频率与日俱增，我开始使用 AI Coding 去实现越来越多的功能和效果，并最终对 AI Coding 放权——开启了 --dangerously-skip-permissions ，让 Claude Code 自己去写代码，去实现效果。
和所有使用 AI Coding Agent 的人一样，我也经历过 AI Coding 工具将代码整的一团糟然后放弃的时刻。不得不说，Claude 有些时候的过度设计真的让人无语。所以即便这就是最佳实践，但最佳实践不仅仅要配合着实践用，也要配合着项目时间节点和周期，以更好的完成项目的目标 —— Coding 只是完成目标的手段，而不是目的。
▍我对 AI Coding Agent 模式的看法
首先，我得旗帜鲜明地表明，所有软件工程师都应该试着使用 AI Coding Agent。
放弃、逃避、蒙头装鸵鸟都是没有意义的，熟练掌握 AI Coding Agent 已不再是加分项，而是生存技能。AI Coding Agent 正在切实地改变着我们的行业。
诚然，AI Coding Agent 不会影响我们这些「老」工程师的工作，但这个问题如同被熊追着一样——淘汰你的从来不是熊，而是比你跑得更快的人。AI 不会淘汰工程师，但会淘汰那些拒绝进化的「手动操作员」。优秀的工程师不会消失，我们的职责正从「手写逻辑”转变为「选择方案、设计架构、验收质量」。
其次，我依然相信大家的软件工程经验是有价值的。
就像上面我提到，最佳实践本身没有问题，但每个人所面对的项目节奏是完全不同的。软件工程师的价值从手写代码，变成了选择 AI 提供的解决方案，审核 AI 提供的解决方案，并最终更好地完成自己的工作。优秀的软件工程师不会消失，只是工作职责变了，AI Coding Agent 会让他们获得更多「加成」。
▍我怎么用 Coding Agent
我目前自己同时在使用的包括 Claude Code、OpenAI Codex 和 Gemini Cli，其中前两者是我自己花钱买的，后者是 GDG 赠送的。
我强烈建议大家自己花钱购买。公司买了自然最好，如果公司没买，自己买也是划算的。 Claude Code 5X 已经满足日常使用了，如果你用量大再升级 Claude Code 20X 即可；$100 其实就是大家聚餐吃一顿价格，并不贵，但给你带来的提升是远超这个价格的。
我对于 Coding Agent 的使用会包含本地使用和云端使用两块，以及一些「质量守卫」。
本地使用
本地使用时，我会使用 Claude Code 的 Plan Mode 来设计一些需求，通过和 Coding Agent 的几轮交互约束需求范围，并让 Claude Code 去完成相关的功能。
同时，我会使用 Codex 来为我的项目补全测试 —— 过去我很多时候都懒得写测试，现在有了 AI 来帮助我测试基础覆盖，大大提升了效率。或许 AI 无法保证测试得像一个专业测试同学那样完善，但却可以让我先完成从 0 到 1 的建设。
Gemini Cli 则会在一些时候作为项目的补充，主要也是 GDG 赠送的 Plan 额度有限，所以用得不多。
之所以会同时使用三个不同的 Coding Agent，主要还是考虑到模型本身的能力是有差异的；不同的模型可以给我提供不同的视角，从而可以确保对于一个问题有更全面的思考，规避可能的思维漏洞。
云端使用
除了本地的使用，我还会在云端使用 AI Coding Agent，但并不是使用网页端的 Coding 工具，而是在 CI 工具链中集成 AI Coding Agent，使用 AI Coding Agent 对我的每一次提交、每一次 PR 进行代码评审，通过这样的方式帮我更好地发现代码中的问题，既可以确保自己对于问题的思考没有漏洞，也可以进一步的发现自己的经验不足，补全面对问题时的思考维度。
特别值得一提的是，集成多个 Coding Agent 可以明显看到不同 Coding Agent 对于问题的思考角度和深度不同，对于自我提升也非常有帮助。
质量守卫
由于AI Coding Agent 本身存在的问题，大规模编辑代码的时候，往往也会引入一些编辑错误、无用代码和不符合规范的问题。
因此我在深度使用 AI Coding Agent 的项目中，都会引入大量的质量守卫，来确保不符合规范的代码无法提交到云上。我们应当保持对 AI 的信任，但必须坚守 「信任但要核实（Trust, but Verify）」 的原则，确保 AI 提交的代码每一行都可信、可控。
这里的具体工作包括：
-
引入静态检查的准入机制，扼杀低级错误：借助 git hook，在提交前进行 code format。
-
引入质量红线，控制确保逻辑不出错，没有改错之前的代码：借助 git hook 和单元测试围栏，要求提交到代码库中的代码必须测试覆盖率满足要求（强 AI Coding Agent 介入的项目会要求测试覆盖率到 100%，并包含集成测试和端到端测试）。
-
引入 AI Agent 的自愈能力，闭环问题的修复：借助 git hook 和一些 linter 工具，发现代码中的问题，并让 AI Coding Agent 自己去修复它。
-
引入代码复杂度分析工具，让 AI 写出人和 AI 都易于维护的代码：常见的编程语言基本上都提供了圈复杂度检查工具，你可以在你的项目中引入圈复杂度检查工具，让 AI 提交之前确保所有代码的复杂度不会太高，从而既可以借助 AI 的能力快速迭代，同时又保留自己随时介入的可能性。
当你有充足的围栏检查，就可以放心让 AI 去完成工作，并要求它自行提交 commit 了。这样可以让其自动执行 git hook 并修复 git hook 中所配置工具检查出来的问题，从而确保提交到代码库中的代码不会有一些基础问题。
▍你该如何开始（工程师篇）
如果你是一个工程师，想要试试 AI Coding Agent 但又不知道怎么做：我能理解你对于代码质量的要求，和你的工作对你的要求；我也知道你担心引入 AI 导致你的项目复杂度快速提升、无法维护，最后导致项目彻底崩盘，你反而被干掉。
所以，我推荐你这么干：
-
在现有的 CI 工具链中加入 AI Coding Agent 进行代码评审，让 AI 先从这一步开始给你提供更多的建议，先帮你变成一个更好的工程师；
-
习惯让 AI Coding Agent 参与到你的工作流里后，可以先让 AI 帮助你补全测试，建立起单元测试围栏，从而让你放心地引入 AI Coding Agent 参与项目；
-
使用 AI Coding Agent 完成你的工作（记得加入各种围栏），让你自己获得进一步的解放。
当你完成了上述三步后，你已经熟悉了 AI Coding Agent，除了做一些你熟悉的工作，还可以让它带着你去做一些你所不熟悉的事情。比如你是前端就让它带着你搞后端，如果你是后端就让它带着你搞 iOS……
▍总结
到了 2026 年你依然可以 Happy Coding，不过大家也要意识到，我们除了做体力劳动的 Coding，更应该用好 AI Coding 工具，将这些托管给 AI Coding Agent。
然后我们的工作才会越来越具有「创造性」，才能去做一个「创造者」。
原文链接：
https://sspai.com/post/105584?utm_source=wechat&utm_medium=social
作者：Bestony
责编：克莱德
/ 更多热门文章 /