#ai-coding

传统变更管理靠摩擦力控制变更频率，AI把摩擦力打没了。变更管理从人的流程问题变成了上下文工程问题。分享我们在SDD体系下用结构化锚定管理变更的实践和未解难题。

AI把代码生产成本打到了地板，项目管理成本反而涨了。传统项目管理管的是能不能按时做完，AI项目管理管的是做的东西到底对不对。这两件事需要完全不同的管理工具。

从提示词工程到Harness Engineering，AI编程这条线一直在做同一件事：人离代码越来越远，但对产出的控制力越来越强。OpenAI用3个工程师让Codex生成100万行代码的实践，揭示了Harness在AI编程可靠性中的决定性作用。

基于Claude Code生态的Loop和Agent Loop插件，实现AI 7×24小时持续开发。介绍Ralph-Loop自迭代和Supervisor代理循环，将端到端测试转化为应用级强化学习的反馈信号。

过去一年，我们在 Agent 管理学论坛里和上百位开发者一起踩坑、复盘、迭代。这篇文章是阶段性总结：AI Coding 不是一个技术问题，而是一个管理问题。从需求端、执行端到验收端，在每一段建立明确的契约，就是 AI Coding 的确定性边界。

阿里的qwen-code CLI是基于谷歌Gemini CLI的分叉。法律上完全没问题，但从产品管理角度，这是个很草率的决定。用户发现初始化命令生成的还是GEMINI.md而不是QWEN.md，这是fork时检查不彻底的遗留。

AI写的代码不行？问题在于没有正确采用迭代方法论。迭代是通过多次尝试，不断逼近一个固定的目标。在软件开发领域，迭代可以用于所有环节——从需求澄清到实现测试。