04 · 给 AI 的流程做减法:三个目标砍成两个的取舍

简介: 《嵌入式AI落地手记》第四篇:两次局部优化失败后,作者摒弃修补思维,于9月启动彻底重构——砍掉重复文档与形式主义,保留核心质量环节,重构设计结构与人机分工,将AI深度融入生成+检查全流程,构建以Git、模板、技能、知识库协同的AI原生工程骨架。

——减法:两次尝试后的彻底重构

这是《嵌入式 AI 落地手记》的第四篇。前面讲了第一次失败,也讲了老项目维护线怎样从真实需求里长出来。这篇回到新项目线:两次尝试之后,我为什么不再继续局部修补,而是把最初的体系彻底重构了一遍。

需求很顺,设计却卡住了

第二次把新项目流程放进真实项目时,我以为最难的地方已经过去了。

第一次试用失败后,模板已经做过一轮精简。这个项目的需求阶段也确实顺了不少:增量范围先圈定,已有功能不重复定义,AI 自检后再由人逐条裁定。照第一次的经验看,最容易膨胀、最耗交互的阶段,这次总算走过去了。

到了设计,节奏又慢了下来。

同一个功能,触发条件在一处,状态变化在另一处,接口又被收进一张大表。单看哪一节都没有明显错误,想完整理解一个功能,却得在不同章节之间来回拼。维护更麻烦:一处规则写在四个地方,评审后改了三处,漏了一处。

第一次那种需求膨胀没有重演,设计文档却又变成了另一种难用:内容都在,秩序不对。

不是再删几个字段就能解决

两次尝试之间,我们一直在改模板。

第一次试用后,删过维护成本高、信息增量小的追溯表,把一些依赖 AI"眼力"的检查改成可重复执行的规则。第二次设计卡住时,也现场补过章节,让眼下装不下的内容先有地方放。其中有一节还明确标着只服务当前项目。内容暂时有了归属,模板却开始依靠项目例外维持。

这些改动都有用,但基本假设没有变:目标仍是合规、高质、高效三个;流程主要围绕文档交付展开;AI 大多负责检查,生成和不少编辑工作仍然压在人身上,流程状态则要靠一套复杂机制维护。

第一次失败暴露的是目标和复杂度问题,第二次暴露的是组织方式问题。再往前看,还有第一次留下的人机分工问题。几处根子连在一起,继续打补丁,只会不断给旧结构增加例外。

我决定不再沿着原模板往下修,做一次彻底重构。

九月初,目标改成两个

9 月初,模板仓库里有一个提交,把项目目标从"合规 + 高质 + 高效"收敛为"高质 + 高效"。

合规部分不再作为当前目标,原因在第一次失败复盘时已经说过:它来自当时预期要满足的最高要求,后来业务定位调整,这类要求不再是硬约束。这不代表降低质量,也不代表这套流程以后无法承载合规,只是眼下不再为一个并不存在的硬要求提前付成本。

那次提交还在模板里写过一句话:

模板与技能中每项机制的去留,以项目实证(是否防住过真实缺陷或返工)为准。

这句话能克制"以后也许用得上"的设计冲动,但现在看,它不能作为唯一尺度。机制的价值不一定只体现为抓住缺陷:有些能减少重复纠正,有些能让必要动作稳定发生。

我实际改流程的方法更朴素:执行中遇到困难,先找困难来自哪里;找到来源,再决定改进还是去除。每次人纠正 AI 的地方也收集起来,变成下一次不必重复纠正的经验。

所以,判断一个机制,除了问它防住过什么,还要问:有没有解决真实困难、减少重复纠正、让必要动作稳定发生?维护成本又由谁承担?

首轮重构就有数百行删改。数字本身不证明方向正确,只说明这次改的是机制,不是措辞。真正难的是按这些尺度处理具体机制。

砍、留、改

砍掉的,主要是重复承载和重形式。

每篇文档开头的状态字段、末尾的修改记录表被删掉了。批准以 PR 记录为准,历史以 Git 提交为准,同一件事不再在文档里另外维护一份。

这不只是为了减少重复。文档里的状态靠口头要求大家记得维护,实际效果并不好,就发生过评审通过后没人再回去改状态的事。把批准改由 PR 承载后,分支保护要求合并必须经过评审,必要动作由工具卡住,执行反而稳定下来。

成套的追溯矩阵也退出了模板,只保留轻量的断链检查。让一个技能扫描整个仓库、判断项目下一步该做什么的设计同样被放弃——流程推进由人负责,AI 不做阶段裁决。

有些表格原本就打算交给 AI 维护,似乎这样就不会增加人的负担。实际用过才发现,AI 维护也不是零成本:生成要上下文,检查要上下文,人最后仍要理解它。一份没人消费的文档,不会因为交给 AI 写就变得值得保留。

同期,模板里还删掉了四份评审报告文件。评审没有取消,只是不再为每项评审额外制造一种文档形态。

留下的,恰好是那些直接支撑质量的东西。

需求、设计、编码、测试、发布的阶段骨架保留,各阶段评审保留。描述一个功能时,触发、执行、输出、异常这四个部分保留,因为它们直接影响需求能否被下游使用。

有些机制不是彻底删除,而是换一种成本更低的形式。完整追溯矩阵不维护了,接口之间是否断开、设计中的全局事实与组件说明是否闭合,仍然要检查。减的是维护形式,不是质量要求。

改动最大的,是设计文档的结构和 AI 在流程里的位置。

设计不再按章节把所有功能横向拆开,而是按功能和组件组织。全局事实集中说明,每个组件相关的行为、接口和参数尽量归到同一处,避免一个功能散落在多处,也避免同一事实由几个章节分别维护。

第一版只有检查技能,改版把生成技能逐步补齐:需求整理、设计起草、代码起草、测试用例整理,都有对应的生成与检查环节。AI 不再只负责指出问题,也承担初稿和一致性维护。

人的工作随之移动。与其在 AI 生成的长文档里逐句编辑,不如让 AI 先交出假设、方案和风险,人在这些决策点上确认。这个分工来自第一次失败,在老项目维护中验证过,这次被正式写进新项目流程。

回头看,这一轮砍、留、改的大部分手术对象是文档模板:删的是文档形态,留的是功能四件套,改的是设计文档结构。技能在这一轮主要是补齐生成侧;重构流程的相当一部分精力,就花在这些模板上。

新体系不只是一套模板

重构后的体系,最后不再只有"仓库模板 + 技能"这两样东西。

  • Git 使用规范:用阶段分支、PR 评审和基线 Tag 管理需求、设计、代码和测试产物。
  • 文件服务器目录模板:保存权威原始文件、硬件资料和客户交付物,分别按各自的版本轴管理。
  • 项目仓库模板:以各阶段的文档模板为主体,规定每个阶段产出什么、写到什么程度、放在哪里,以及 AI 可以读取和维护哪些派生文件。
  • 技能:把原始文件转换、需求整理、设计、编码、测试和检查拆成可执行的步骤。
  • 知识库:沉淀成熟项目里已经验证过的系统架构和各模块程序模式。

项目仓库模板在这里同时承载约束和知识。它约束每个阶段最终交付什么、边界到哪里;其中文档模板的栏目、判据和功能四件套,也把过去对“合格交付物”的理解固定下来。技能负责过程,知识库负责设计判断,模板负责最终产物应该长成什么样。

知识库在这里不是可选的参考资料。它是新项目流程的默认组成部分,之后的设计和开发都会参考其中已经定义好的架构与模式。技能告诉 AI 怎样推进工作,知识库让 AI 知道我们过去怎样做才合理。

这些内容之上,还有一条没有变:每一步保留人工审核。AI 起草,人拍板;AI 检查,人定论。

踩坑与教训

如果你也想给团队的流程做减法,我建议先别急着删文档。先把执行中的困难、返工和人纠正 AI 的记录摆出来,找到来源再决定改还是删。对新增机制,则多问一句:它解决的是哪个真实问题,维护成本由谁承担?

纠正记录也不能见一条就固化一条通用规则。先分清项目特例和共性问题,否则模板还会在反馈中重新膨胀。

精简也不能以拿掉质量门为代价。评审、基线、必要的检查,是开发必须支付的成本。该砍的是重复记录和无人消费的形式,该留的是能让错误更早暴露的环节。

流程约束写在哪里,也决定它能不能落地。口头约定可以解释原则,关键动作却要尽量进入实际工作路径:模板、技能、分支保护,各有各的位置。也不值得把所有建议都强制化,强制本身有成本,应该用在少数不能跳过的质量动作上。

AI 原生同样不等于 AI 全自动。流程越往后改,我越倾向于把 AI 放在记忆、生成和一致性检查上,把人放在取舍、批准和物理验证上。审核如果只能落在几百行产物的全文阅读上,人和 AI 都很容易被拖住。

最后,给 AI 设计流程,不能只设计文档。权威输入在哪里、不同产物怎样保持同一版本、过去的经验怎样进入当前项目,这些问题不解决,模板写得再完整,也只能保证产物看起来像样。

下一篇

彻底重构之后,新体系有了一个完整轮廓。接下来要先回答几个朴素的问题:原始文件放在哪里,AI 读的是哪一版,人凭什么批准,半年后怎样找回同一批需求、设计和代码?

下一篇讲工程骨架:为什么连目录、分支和原始文件的存放方式,都要为 AI 重新设计。

相关文章
|
2月前
|
人工智能 数据处理
Qoder CN的Cloud Agents是什么?云端托管的AI Agent有什么用?
Qoder CN Cloud Agents是阿里云全托管AI Agent平台,面向研发与办公场景,无需自建环境,支持长时异步、批量并发及可编排工作流任务。Teams/Enterprise版及2026年6月起个人版(通过Credits)可用。阿里云Qoder CN官网:https://t.aliyun.com/U/fEiOLV
Qoder CN的Cloud Agents是什么?云端托管的AI Agent有什么用?
|
10天前
|
人工智能 缓存 测试技术
03 · 新体系失败后,一个老项目维护需求让 AI 真正落了地
本文是《嵌入式AI落地手记》第三篇,讲述AI如何从“失败的新体系”转向“真实老项目维护”落地:聚焦小场景、真实需求、高频变更,一周构建700行五步技能库,设两道人工决策闸(假设清单+修改方案),以回放验证、字节级审计和半页反馈机制保障可靠性。实践证明——小切口、强确认、重反馈,才是AI扎根工程的关键路径。
102 1
|
3月前
|
人工智能 自然语言处理 IDE
阿里云百炼AI 编码类热门大模型解析:Qwen-Coder、Qoder、通义灵码能力、适用场景及用户选购指南参考
本文梳理了阿里云AI编码体系的核心关系与能力:Qwen-Coder是底层代码大模型底座,采用MoE混合专家架构,支持1M长上下文,在权威评测中表现领先;原“通义灵码”已正式升级为Qoder CN系列,是集成该模型的智能编程助手,覆盖代码补全、工程级多文件修改、企业知识库等能力;Qoder则是面向复杂场景的Agentic编码平台,支持大规模代码检索与异步自主编程。针对不同用户提供分层方案,个人开发者选Qoder CN个人版,中大型企业可选专属版或私有化部署,叠加全模型抵扣首购低至4.5折的优惠,可在可控成本下大幅提升研发效率。
|
13天前
|
人工智能 安全 索引
02 合规、高质、高效我全都要:AI 开发体系一上线就败了
本文是《嵌入式AI落地手记》第二篇,复盘首次AI开发体系失败:贪求“合规、高质、高效”三目标,导致模板过重、文档膨胀、人机协作低效;根源在于目标过载与为假想需求过度设计。教训凝练为四条落地铁律:转译原始文件、规则必设上下限、单次聚焦一目标、人机分工重在决策而非编辑。
|
14天前
|
设计模式 人工智能 程序员
01 我让 AI 写芯片驱动,撞了三周墙后决定重构开发流程
本文是AI辅助开发实践系列首篇,作者以电动机替代蒸汽机为喻,反思传统软件流程对AI的束缚。三周驱动开发失败后,他提出“AI原生流程”:不强塞AI进旧体系,而以“约束+知识”重构开发范式,强调人工审核兜底,探索高可靠场景下AI落地的真实路径。
106 0
|
云安全 安全 网络安全
|
7天前
|
JavaScript 安全 前端开发
Nodejs Brotli decoder 代码执行漏洞 (CVE-2026-111497)10629
Node.js发布安全更新修复Brotli解码器高危RCE漏洞(CVE-2026-111497),建议受影响版本用户立即升级。
1996 1
|
14天前
|
JSON 程序员 数据格式
最新版Notepad++下载、安装、配置保姆级教程(附官网安装包)
Notepad++ 是一款免费开源、轻量快速的 Windows 文本编辑器,支持多标签、语法高亮、代码折叠与宏录制,体积小、启动快、资源占用低,兼容 x64/x32/ARM 架构,是程序员和文字工作者的高效利器。
2937 0
|
13天前
|
人工智能 API 开发工具
DeepSeek Harness 神插件:白嫖 13 家大厂模型
`dsh-our-free-model` 是 DeepSeek Harness 神级插件:零配置、零API Key、零账号,聚合13家大厂免费模型(含DeepSeek V4.1 Flash、Kimi K3等),支持本地网关、用量看板与自动降级,真正实现“白嫖即用”。
2190 44

热门文章

最新文章