2026年4月18日，我打开编辑器，做了一件和过去十几年完全相反的事。我没有写一行代码。我只是在对话框里打了一句话：

开始一个新的Electron项目，叫ClawBible Desktop。

46天后，项目落地。

这不是概念实验。这篇文章记录的，是一个100%由AI编写代码的生产级项目的完整复盘——以及从这场极限实践中提炼出的一套可复制的治理框架：三套三定律。

1

不是“AI能写代码”，而是“人写代码不再是最优分工”

先梳理行业大背景。2025年2月，前OpenAI研究员Andrej Karpathy提出“Vibe Coding”：主打人提需求、AI 写代码，无需人工审核代码差异。

仅仅一年后，2026年2月，他自己将概念更新为“Agentic Engineering”。一词之差，本质是行业思路的转向：从随心所欲的直觉式开发，过渡到讲究规范、管控的工程化开发。

与此同时，有一组关键数据，更能看清当下AI开发的真实水平。

可另一边，行业实验给出了完全矛盾的结论。METR做了一组随机对照试验：资深开发者搭配 AI 编码工具，开发效率反而下降19%。

效率折损的根源，给了我一个全新启发。

METR的实验藏着一个核心前提：开发者依旧要亲手写一部分代码。人需要不断在“自己的理解”和“AI生成的代码”之间来回对比、验证，频繁切换思路带来巨大的脑力消耗，这就是效率拖慢的根本原因。

更有意思的是后续重做实验，很多开发者直接拒绝参与“禁止使用AI”的对照组。翻译一下：没人愿意回到纯手工敲代码的日子了。但新的难题随之而来：如果干脆让AI包揽全部代码，人类一行代码都不写，项目该如何正常运转？

目前流行的两种AI开发方式，都有明显短板

先说Vibe Coding。

想什么说什么，AI生成代码直接用。不做规划、不留记录。这种方式仅适合自己写点小工具、随便跑个练习demo。一旦放到企业正式项目里，代码只会越写越乱，整体架构彻底跑偏，根本没法长期维护。

再说Vibe Engineering。

保留传统开发流程不变：AI负责写代码，开发者逐行审查修改。本质上还是老开发模式套了一个AI工具外皮。它最大的痛点：AI每次新开对话就会“失忆”，之前敲定好的架构方案、设计思路全部清零，多次迭代开发很容易出现前后矛盾。

这两种模式都有一个共同的默认前提：人类依旧需要参与代码编写。而我想通过这次项目，去验证一个完全相反的猜想：

如果人类一行代码都不写，让AI全权负责编码，能不能完整落地一个生产级的正式项目？

带着这个假设，我开启了ClawBible Desktop项目。

2

46天的真实数据：18.6万行产出，0行人类代码

先看一组硬数据。以下全部可经Git仓库独立复验：

表格里只罗列了项目各项数据，还有一个很关键的背景没提到：这并不是一个全职项目。

日常我有自己的本职工作要做，整整18.6万行代码的产出，全部是在碎片化的业余时间完成——周末、假期、每天下班后的深夜。

从代码提交记录的时段分布显示：晚上22:00到凌晨2:00这段时间，产出占全部提交量近29%。周末日均24.9次提交，是工作日（约11次）的两倍多。项目单日最高记录是一天更新63次。

这份时间分布，引出一个关键结论。

硅碳协同模式不依赖“整块连续工作时间”，核心是“高质量的意图表达时间”。通勤路上、午休间隙，只要把产品架构、功能逻辑想通透，回家只用十分钟和AI对话，就能让它独立完成传统开发要耗上几小时的编码工作。

人类的角色发生根本变化：从“写代码”，转为“清晰说清楚我们想要什么代码”。

用盖房子举例：过去是我们亲手砌每一块砖，现在我们变成了总建筑师，只管画图纸、定规范、验收整体效果。砖还是那些砖，但繁琐的施工全部交给AI，我们不再动手落地细节。

这个项目里，人和AI的分工异常清晰

人只干这6件事：

1

想清楚产品要解决什么问题，说清需求

2

看AI给出的技术方案，挑毛病、提修改意见

3

拍板：这个功能做不做、要不要简化

4

发现bug，用大白话描述异常现象

5

定下底层设计原则——能简单绝不复杂

6

核对文档逻辑，保证内容不出错

AI包揽全部落地工作：

1

把需求翻译成可运行代码

2

分析不同实现方案，讲清每种优缺点

3

排查故障，按固定流程查数据库、日志、源码定位问题

4

设计整套软件架构

5

写全部测试用例，保证功能正常

6

同步更新所有文档、记录开发变更

人管方向，AI管执行。各司其职，互不越界。

3

三套三定律：让0行人类代码不是灾难，而是方法论

100%由AI编写的项目，面临一个绕不开的根本问题：AI没有“记忆”的连续性。

每新开一个对话，AI就相当于一名完全不了解项目背景的新人，之前敲定的设计、规则全都记不住。如果没有一套完善的治理框架，不同对话里AI做出的开发决策会互相冲突，久而久之整个项目必然走向架构漂移。

针对这个痛点，我摸索出了一套解决方案­——三套三定律，分别从项目方向、落地执行、流程迭代三个维度做好约束管控。

前两套定律解决“做对的事”和“把事做对”。但硅碳协同模式还需要回答一个更深一层的问题：“做事的方式”能不能持续优化，不断迭代？

审查与进化定律作用于元层——它不审查代码与架构，只优化协作流程。三套定律完整覆盖“开发→管控→进化”全流程。核心内核可以浓缩为四个关键词：可追溯、有边界、人在回路、持续进化。

4

文档：从负担变成AI的操作系统

在18.6万行总产出中，文档占34.7%。换算下来：超过三分之一的产出不是代码，而是各类文档。

在传统开发场景里，这么高的文档占比可能被视为“文档冗余、负担太重”。但在100%AI编写的项目中，这个比例恰好说明了一件事——文档承担了四个在传统开发中由人类隐性知识承担的职能：

打个比方大家瞬间就能懂：

AI每次开启一次新会话，就等同于来了一个刚入职的“新员工”。你招了一个技术能力很强的工程师，但不给他看项目代码、不给他讲整体架构、也不告诉他项目开发的规范，就直接让他上手干活，结果可想而知。

在传统开发团队里，ADR架构记录是“可选的良好实践”。可在纯AI开发的项目中，ADR是必需品。没有架构记录，下一轮AI会话就无法理解为什么代码长这样。

只有先写清楚文档，AI才能精准产出符合预期的代码。文档从来不是代码的附属物，而是驱动AI工运行的底层操作系统。

5

“程序员是培养出来的，就像养孩子一样”

十多年前，出于一个架构师的直觉我做出了一个判断：未来的程序员是培养出来的，就像养孩子一样。当时只觉得这句话就是一个比喻，但当这个项目跑完以后，我发现它不是一个单纯的类比，而是被实战完整验证的现实逻辑。

硅碳协同不等于单纯将AI当“工具使用”，核心是对AI的“长期培养与引导”。

这个判断能否推广到更多场景，还需要更多实战案例去验证。但至少在这个完整落地的项目里就能确定：从“写代码”到“培养AI”，人类开发者的角色发生了根本性跃迁。

6

质量保障：三层防线 + 标准化协作流程

100%AI写代码，质量怎么保证？我们的答案是三层防线：

三层防线一环扣一环，缺一不可。自动化层兜底、治理化层防漂移、人类化层确保方向不跑偏。拿一次真实开发流程举例大家更好理解，2026年5月31日，单日累积46次代码提交，完整协作流程如下：

人从“代码执行者”转变为“项目决策者”。这不是简单优化了交互方式，而是彻底改写了开发者本身的定位。从以前埋头砌砖的工人，到统筹全局的建筑师，这早已不是岗位调整，而是行业代际的巨大跃迁。

标准化协作7步流程

把这套协作方式提炼成可复制的流程：

1

人把需求/bug问题用大白话说清楚

2

AI全维度排查、分析问题根源

3

AI输出完整解决方案，同步记录设计思路

4

人审核方案——通过、修改或直接否决

5

AI一次性写完代码、配套测试、同步更新全部文档

6

AI自动运行全部测试，确认功能无异常

7

AI保存代码更新、记录日志，开启下一轮需求开发

整套七步流程环环相扣，缺一不可，不可跳过任何一环，不管是个人开发者还是技术团队，都能直接照搬复用。

7

横向对比：三种AI开发模式，优劣一眼看清

把当下三种主流AI开发模式横向对比，三者的优劣与适用边界清晰可见。

有意思的是，当年提出Vibe Coding的Karpathy，如今自己也转向了工程化管控路线，推出Agentic Engineering 范式。纯放飞式AI开发仅适用于临时Demo，无法支撑长期商用项目；具备完整约束体系的硅碳协同，才是可持续的长期方案。

用建筑师建房做类比，四种开发模式一目了然：

传统写代码：建筑师亲自上阵，一块一块砌完整栋大楼；

Vibe Coding：机器人随便砌墙，建筑师不看图纸、不加管控；

Vibe Engineering：机器人负责砌砖，建筑师逐块检查每一处细节；

硅碳协同：建筑师出具完整图纸、制定施工标准，机器人自主完成施工、自检、流程归档全流程；建筑师只审核整体效果，不纠结细碎的砖瓦实现。

适用边界：不是所有场景都适合

这套方法也有明确的适用边界，以下几种场景，暂时不推荐纯AI全权开发：

实战踩过的坑

完整实践46天，过程中也踩了不少坑，分享出来帮大家提前避坑：

1

规则存在天然滞后性：前期只能靠经验摸索，完整规范要等项目跑起来才能总结。

2

AI会“编造信息”：写文档、梳理逻辑时容易虚构内容，必须加规则限制，禁止AI杜撰。

3

AI偏爱过度设计：总额外增加复杂模块，需要人主动删减无用功能。

4

文档维护成本高：十几万行文档同步修改，长期持续更新会消耗大量精力。

5

架构记录不能省：缺少ADR留存设计取舍逻辑，后续新会话的AI完全看不懂历史代码。

这些坑，每一个都用真实的提交记录和ADR留了底，希望你不要再踩一遍。

8

结语：角色的代际跃迁

回看这46天实践，人类没有写一行代码，却掌握所有代码背后的核心决策。

从“手工打造每一块砖”到“画图纸、定规范、验收整体效果的建筑师”——软件工程师的角色，正在经历一次历史性的代际跃迁。

这不是“AI替代程序员”的叙事。恰恰相反，当AI生成代码变成行业常态、基础能力人人可得时，“如何与AI协作”将会成为软件工程最核心的竞争力。

本次沉淀的三套三定律、56份ADR架构记录、四层文档体系、三层质量防线，并非本项目独有的定制方案，而是一套可复用的全新工作范式雏形：人类负责定义方向和审查结果，AI负责落地执行和同步归档。

全文6个核心判断

1

古法编程正在终结——不是因为AI能写更好的代码，⽽是因为“人类写代码”本身不再是最⾼效的劳动分工。

2

Vibe Coding不是答案——⽆纪律的AI编程只适合玩具项⽬。

3

Vibe Engineering是过渡——它是“人类还在写代码”框架内的最佳实践。

4

硅碳协同是⽅向——人类0⾏代码 + AI 100%代码 + 三套三定律治理。

5

文档是操作系统——在AI编程时代，文档从可选附加物变成代码的操作系统。

6

⽅法论从实践中来——模糊理论→深度实践→提炼方法论→回到实践。

写在最后

古法手工编程时代（1950-2025）终将远去。

人类亲手敲下的每一行代码，创造了互联网、操作系统、数据库，和无数改变世界的软件。

它不是被新的编程语言淘汰，而是被更高效的人机协同分工取代。从“写”到“培养”，从“执行者”到“决策者”，从“加班写代码”到“下班后10分钟对话，驱动AI完成数小时落地工作”。

这绝不只是工具的升级，而是开发者角色定义的革命。

而我们，正在亲历这个时刻。