随着 AI 的发展，其代码生成能力已大幅提升，导致研发过程中面临全新的管理及组织挑战。最近的数据表明，某些团队每日消耗惊人的 360 亿 Token ，同时运行的智能体数量也从5个增加到20个。然而，在一次异常递归中，竟然消耗了 7.34 亿 Token，相当于533美元。更有一天，AI 一口气编写了 4.4 万行代码，但经过27轮审核后，团队决定不予合并。

腾讯的一位开发工程师指出，AI 编程的快速推进，使得真正的瓶颈不再是技术本身，而是人的注意力和现有研发系统的承载能力。这一问题可能在未来几年对所有推进 AI 转型的团队都是个挑战。尽管编码时代即将结束，但我们现有的研发系统能否与之相适应？

研究发现，在AI的作用下，程序员的角色正由写代码转向定义目标和设计约束。有效利用人类经验，可以让智能体在指令下完成更多任务。因此，技术领导者需要关注的问题包括错误是否会重复、反馈是否能够有效转给下一轮智能体，以及如何确保基准测试能真实反映生产过程。 球友会

通过对22000名开发者及4000个团队的分析，发现团队在使用 AI 的过程中，不仅代码产出增加，PR 的规模和审核压力也显著上升，审核时间甚至接近之前的五倍。这一切都表明，随着生成能力的提升，整个研发流程也需同步优化，以免形成新的瓶颈。

当前的问题已不再是 AI 是否能写代码，而是如何让其在真实的工程中长期高效地运行。在即将召开的技术大会上，专家将讨论 AI 编程如何从“code generation”逐步迈向完整的软件工程。随着这一转变，如何使智能体的能力不断提升，也将成为焦点。

会议中，将有专家分享关于如何将用户的任务转变为数据以促进智能体的学习，以及如何评估其表现，进一步提升其稳定性。这些探讨将为那些致力于 AI 编程落地的团队提供重要思路和实践建议。 球友会