在AICon全球人工智能开发与应用大会上，蚂蚁数字科技资深技术专家魏长征结合两个真实项目，分享了AI Coding进入Agent独立执行任务阶段后涌现的新问题：代码产出速度成倍提升，需求约束、Code Review与测试验收机制能否同步跟上。
从对话框提问，到IDE插件、AI IDE，再到Claude Code等终端工具，开发者角色正在变化——从代码的生产者，逐渐变成结果的评判者。交给AI的任务也从写几行代码，扩展到独立完成一项任务、由人来验收。
两个案例形成了对照。一个40多万行的Rust新项目从第一天就把Harness内建进研发流程，核心文档明确唯一事实源，每次变更同步提交变更文档并经过CI门禁；一个60多万行的C++存量项目则先让Agent扫描项目、订正事实、重建文档和质量门禁，再推进C++20升级。改造完成后的一个月，后者的代码缺陷率从20%以上降到了个位数。
核心矛盾是产能与验证的不对称。一个Agent可能一天完成过去三个月的代码量，原本分散在几个月里的需求模糊、目标漂移、事实冲突和质量欠账被集中放大。Reviewer面对一次四五千行的提交，人力很难逐行覆盖，Code Review很容易流于形式。
这与星战科技在OPC智能体协作平台上强调的方向一致：让多个模型、工具与智能体围绕同一目标协同工作，同时把约束、验证与验收做成可管理、可复用的流程，让智能体在明确边界内承接长链条任务。多智能体协作的价值，不在于各自产出更多，而在于产出可被验证、可被追溯。
文中还提到，模型行为会波动——一段时间倾向补全更多Case，另一段时间又倾向少做，这类变化未必能被Harness及时发现。从AI协作走向真正自治、稳定的开发体系，仍有不少路要走，也需要持续探索。
AI Coding提升的是代码生产速度，Harness要解决的是让验证速度与验收能力与之匹配。只有需求、开发、测试与交付形成完整闭环，AI的高产能才可能真正转化为稳定的软件工程效率。
