前言
最近和朋友聊天，发现几乎所有团队都在使用 AI 编辑器，Cursor、Windsurf、Augment、Trae、通义灵码等等，都在讲自己已经开始 AI 协同研发了。
但仅仅一个 AI 编辑器的使用就能叫做 AI 协同研发吗？我感觉，这只能算是开始，甚至只是起点的一小步。
真正的 AI 协同研发应该是整个研发流程和协同模式的重构与升级。
AI 工具为什么难以奏效
瀑布模式是研发流程的经典模式，分析、设计、开发、测试、发布，每个环节现在都有大量的 AI 工具可用，但任一节点的 AI 提效，在流程的层层分摊下，都不那么明显。
甚至，强角色分工的研发流程，甚至会反制 AI 的能力发挥，就如同马车换上发动机，却未修建马路，颠簸的路面只会让马车更快散架。
AI 协同研发应该如何做
AI 协同研发，在我看来应该是从上到下，从一线到管理的一次全员的重塑，是一场技术、规范、流程、文化的全新升级。
熟悉 AI
不是让每个人学会 AI 算法，掌握 AI 训练，而是对 AI 能够做什么，做到什么程度有一个直观的认知，同时对 AI 在回答偏好上有所预期，就像我们非常了解什么事情找哪位同事最合适。
结构化知识沉淀
AI 能力很强，但这些强是通用的、泛化的，只有经过团队自身的知识上下文，才能将 AI 引导到我们的业务场景中，才能生成我们所需的产物。
而良好的上下文，需要我们构建结构化的知识体系，比如Markdown需求文档、比如OpenAPI接口文档、比如表格缺陷管理等等。
流程适配
现阶段，所有范式都尚未大面积验证，因此不应该是固化的流程，而是最适配团队的流程。
比如，我们可以尝试：
-
产品经理可以用代码“写”原型，提升前端工作起点，减少需求了解成本。 -
建立 AI 接任务、改代码、提交Git的流程，直接提升开发效能。 -
AI 集成到 CI/CD 流程中，自动进行代码审查，提出修复建议。
等等。
文化氛围
大家要从心里认可 AI协同研发 这件事，愿意投入时间学习、摸索新模式，愿意共担初期的试错成本。
同时，团队要有良好的分享氛围，大家愿意持续交流各种 AI 使用技巧、提示词模板、成功/失败的经验。
AI 协同研发不是一件一蹴而就的事，需要大家一起迭代、升级、进化，只有这样，才能找到适合自己的范式。
结语
今天聊了聊我在 AI 协同研发方面的一些思考和实践经验，希望大家都能探索出最适合自己的协同范式，让人与 AI 真正实现 1+1>2 的效果。
相关文章
