中基集团 CTO 王海涛

AI 落地三阶段复盘：从试点红利到 Bad90 空转危机

王海涛阐述了三个阶段印象最深的三个事件，这三件事不同程度揭示了：大模型如果缺少有效管理，规模化落地时，能力并不会线性持续向好，反而会出现效果倒退，衍生各类问题。在深度应用大模型进行开发的场景下，AI 开发暴露出的各类缺陷，凸显技术负责人与核心团队搭建 AI Harness 能力的重要性。

阶段 1：轻量化 AI 试点，低风险快速见效

短期内落地市场情报智能体，搭建 48 个动态信息源，配套数据源评分、信号校验、知识沉淀闭环，自动生成每日早晚行业简报，并能够全流程自动完成信息采集、分类、分析、推送，预期正式投入使用后，可大幅削减人工资讯研判工时。该阶段信息处理任务专注度高，复杂度低，跨模块交互需求不高，无大规模代码生成、多智能体联动，目标纯粹且约束简单，失控风险很低，也让团队初期低估(无管理) AI大模型的推广难度。

阶段 2：AI 自动编码落地，暴露幻觉缺陷

不断成功的小项目，使团队有信心将AI大模型引入更复杂的开发流程，期望能够创造出有大模型辅助的“超级个体”。初步尝试，就在1周内，单人产出 18 个控制器、35 个请求 DTO、38 个响应 DTO，快速搭建业务基础框架，业务复杂度提升、多方协同场景变多，AI Coding的短板集中爆发： AI 仅追求代码产出量，缺少统一架构约束的情况下，生成文件碎片化、标准割裂;高频出现模型幻觉、业务逻辑冲突、整体架构漂移问题(很多管理者体验后觉得 AI 大模型不好用，项目大多止步于这个阶段)。典型案例：同一项目内同时混用 Java8、Java17 两类语法，人工修复成本远超 AI 带来的开发提速收益。

传统人工代码评审、基础编译校验无法覆盖 AI 批量生成的海量文件，仅靠提示词无法统一项目技术规范，这会导致工程效率反向倒退和团队心理的挫败感，如果这时管理者立场不坚定、不愿躬身实践，就容易得出 “AI 时代还远未到来” 的判断。但稍加调整，比如理顺新形态下的团队开发分工，由协作到模块化责任制，或者哪怕针对Agent的问题解决问题，也会在短期阵痛后，获得快速的提升。

所以，王海涛认为，AI 时代软件工程的核心，可能已不是工程化管理人去提效和高产出，而是如何管理AI Agent(大模型)产出可信、一致性高、可长期可维护的系统。

阶段 3：多智能体协同 Bad90 空转，典型灾难性落地教训

度过单智能体落地的困难期，为了探测超级个体的上限，集团搭建 8 个独立AI 智能体协同处理 WBS 工单，设计连续执行、交叉校验、互相验收机制，目标实现项目全自动推进。在这个过程中，系统总是报错，且错误大多源于已完成功能本身存在不完备，具体表现为：多智能体循环互相确认任务，整夜持续交互消耗海量 Token 算力，项目相关进度却几乎完全停滞。具体到一个“单次故障”，就浪费 39 小时算力、产生 181 次无效代码提交。

排查之后，归纳三类相对高频 Bad90(取自“行百里者半九十”的谐音)失效模式：

自动化扫描仅输出 OK 标记，底层代码缺陷未实质修复;

脚本匹配逻辑存在漏洞，任务反复重分配，持续空跑 6 小时以上;

消息队列配置错误，任务长期饥饿，系统表面运行无实际产出。 故障根因可分为三层：代码层逻辑缺陷、系统层缺少监控告警、管理层缺少运行效果反馈机制。所有问题的底层根源高度统一：缺少分层约束、无全链路管控，一味追求执行速度，忽略业务真实产出价值。

六大 AI 落地通用致命陷阱

王海涛结合行业 AI 工程落地复盘，总结出 6 类会造成 AI Harness 失效的典型问题场景，给企业搭建 AI 工程体系提供了经验：

文档僵尸：版本脱节诱发 AI 错误输出

问题：代码、ADR 架构文档、运行手册、项目模板版本不同步，AI 读取过期文档生成错误逻辑，直接引发线上故障。

对策：建立 Runbook、Skill、ADR、模板四者版本同步锁步机制，一处更新全域同步。

AI 过度生成：无效迭代造成项目膨胀空转

问题：迫于交付时效，AI 无边界堆砌冗余代码、新增无用功能，需求边界失控，项目持续膨胀，大量开发工作无业务价值。

对策：单次变更仅解决单一需求，代码重构与新功能开发强制拆分、独立迭代。

ADR 官僚化：冗余文档加重团队负担

问题：不分变更大小全部要求撰写 ADR，微小优化、Bug 修复也要走架构文档流程，流程僵化引发团队抵触。

对策：仅模块边界、数据库、部署拓扑等架构级变更才新增 / 更新 ADR，常规迭代无需编写。

门禁虚设：自动化校验约束形同虚设

问题：本地调试频繁跳过提交校验脚本，架构、语法、合规约束无法落地。

对策：Skip 跳过权限仅用于本地调试，所有正式代码提交强制执行全量校验，无豁免场景。

无幂等设计：重复请求引发业务数据错乱

问题：消息重放、接口重复调用生成重复工单，数据冗余、业务统计失真。

对策：全局强制唯一幂等键设计，通过提交门禁前置拦截违规重复请求。

版本管控缺失：代码变更无法追溯回滚

问题：云端代码无 Git 版本记录，AI 批量覆盖文件后，无法定位变更、故障无法快速回滚。

对策：项目初始化强制接入 Git，代码必须通过门禁校验、留存版本记录方可提交。

破局核心：DerekCoding 规约驱动 AI 驾驭工程(AI Harness)体系

针对 AI 空转、架构漂移、行为不可控等痛点，DerekCoding 规约完成了 AI 驾驭工程体系的标准化定义。

底层逻辑：大模型输出答案本质是按概率预测下一个 Token，如同一匹不受约束的野马;AI Harness 就相当于缰绳、马鞍这套完整约束体系，区别于简单提示词这类浅层引导手段。

在王海涛看来，软件研发数字化转型的关键并非用 AI 替代程序员，而是人从代码编写者转型为架构约束设计者，依靠多层标准化约束框定 AI 行为，从根源解决 AI 失控问题。 整套体系以五层约束金字塔为核心骨架，配套 ADR、Skill、门禁三大工具，实现 AI 开发可控、可追溯、资产可复用。

(一)五层约束金字塔(自上而下约束力逐级递减)

战略层(顶层硬约束)：README.md 项目最高纲领，明确模块边界、业务定位与职责范围，AI 所有开发、变更操作不得突破既定模块划分。

架构层：ADR 架构决策文档 配套 39 套标准化 ADR 模板，统一记录模块边界、数据库、认证、部署等架构调整;仅架构级变更允许新增 ADR，同步规范变更可逆性、验收标准，保证架构迭代可追溯。

契约层：Runbook+Skill 技能库 沉淀标准化可复用工作流：重复执行≥3 次的操作，固化为 Runbook，升级为可全局调用的 Skill 技能。AI 执行任务优先复用存量技能，杜绝重复造轮子;配套版本锁步，Skill、ADR、模板同步更新。

门禁层：pre-submit 自动化提交校验脚本 内置 5 道自动化校验关卡，覆盖编译、国际化、构建、接口、版本管控，违规提交自动拦截，守住交付安全底线。

实现层：AI 代码生成执行层 AI 仅允许在上方四层约束框架内填充代码细节，无权限调整架构、拆分合并模块，彻底杜绝 AI 幻觉带来的架构漂移。

(二)四大核心工程组件落地细则

1. ADR 架构决策体系 —— 项目架构脊柱

统一标准文档结构：状态、背景、决策、备选方案、落地后果、可逆性、验收标准、实施清单八大固定模块。 清晰划分 ADR 撰写边界：必须编写包括模块边界调整、数据库 Schema、部署架构、认证体系、可观测改造;无需编写则包括：局部重构、性能优化、Bug 修复、单元测试新增。 所有 ADR 必须记录前置、平行、扩展三类关联关系，形成完整架构决策链路，避免 AI 无序开发打乱整体架构。

2. Skill 技能晋升机制 —— 沉淀企业数字资产

标准化晋升链路：重复工作流(≥3 次)→候选技能→Runbook 标准化输入输出→上线可调用动态Skill。

核心规则：AI 执行任务优先检索技能库，复用成熟、经过验证的流程，大幅减少重复开发与空转;联动版本锁步，Skill、ADR、手册、模板全域同步更新。

3. 门禁校验闭环 —— 全流程安全合规底线

依托 Git Hook 自动执行 pre-submit 脚本，正式提交强制执行 5 项全量校验：

1、Agent 模块编译合法性验证;

2、I18n 国际化术语扫描，规避多语言错乱;

3、前后端工程构建报错拦截;

4、API 接口自动化测试;

5、Git 脏文件、未完成变更拦截清理。 仅本地调试可临时跳过门禁，前置拦截语法、架构、数据合规类问题。

4. 安全三支柱：幂等、退化、可观测(生产稳定底座)

幂等设计：消息源 + 消息 ID 组合生成全局唯一幂等键，杜绝重复工单，支持死信队列全量审计重放;

退化策略：AI 能力与核心业务解耦，AI 知识库、自动化工具故障时，基础工单、核心业务正常运行，仅 AI 增强类功能降级;

可观测监控：实时监控业务心跳、工单转化率、消息收发指标，队列空闲、任务饥饿自动告警，杜绝 AI 静默空转、故障无感知。

以 DerekCoding 规约体系为核心的 AI 驾驭工程(名字可能是ADR、Runbook，也可以是Spec、PRD)，通过分层约束、标准化资产沉淀、自动化门禁闭环、三重(或者多重)生产安全机制，为能力强大的大模型搭建完整管控框架，从底层逻辑出发，解决架构漂移、重复空转、数据错乱、版本失控等难题。

企业 AI 落地的核心矛盾从来不是代码生成快慢，而是如何驾驭大模型生成自己期望的工作成果。AI Harness工程很可能是新软件工程的一种探索，而软件工程师、架构师，或将迎来类似汇编语言演进到高级编译语言的时代，工作范式将从面向对象开发转向 AI Harness 工程实施。

关于企业网D1net(www.d1net.com)：

企业网(D1net.com)-企业 IT 第 1 门户。面向 IT 行业高端甲方人群(CIO 首席信息官)最精准专业的媒体，面向约六万政企 CIO、信息中心主任、科技部总经理等 IT 主管，提供资讯、营销、活动、项目合作推介等服务。拥有专业注册会员(IT 从业者)约 188万人，主要读者为政企用户及其信息主管、软硬件厂商等，服务过的企业级厂商逾五百家，国内toB的头部IT厂商基本都是D1net的客户。

同时，企业网D1net也运营着国内最大的CIO(首席信息官)专家智库和智力输出变现及社交平台-信众智，也是国内最大的科技高管社交平台。