AI写代码有几个阶段，一是代码补全，二是vibecoding，三是speckit/openspec。
代码补全ai没有上下文信息，只能靠代码猜上下文信息，补全成功率低。
vibecode，人类主动同步上下文信息，ai的信息足够之后，生成代码成功的概率高了很多（>=70）。
speccode之后，ai占有所有上下文信息，生成代码成功率可以到达100%。

vibecode

我写了3个需求。
如果是边界清晰，有得参考的需求，我说明好背景信息，让AI参考项目中已有某个类去写，效果出来差不多（还有一些细节需要手动调整下）。
如果是我还不太确定能不能做的需求（我感觉可能会有问题的需求），AI会一直写不出来，不管怎么提示都是会有问题。直到我自己发现问题，我给他有效的思路，这时候才可以写出来（或者是我和需求方沟通，说做不了）。

speccode

我选了一个项目无关的需求练练手。
我从周六中午上午十一点写到凌晨一点，12个小时左右;
ai写了2w行代码;
用了1千多RMB（大约一小时一百块的开销）。

ai写代码很快，但是也花了12个小时，看起来时间消耗在：

1. 需求描述：前面的README文档，描述了技术概要和通讯接口，我花了大约一个小时做思考和整理
2. 项目大小：

• 项目越大，AI写起来越慢/消耗token越多（虽然拆分了任务和计划）
• AI指定的计划也比较多，一个需求一百来项目计划，自然也就比较久了

3. 人工理解：

• AI写的任务插件需要仔细理解（这个一定要看，不看的话，输出的东西就非常奇怪）；
• AI写的代码，一开始我是每个都看（虽然后面就没怎么仔细看了）

4. 工具/网速/生成速度制约：

• codemake有bug，是不是会无响应一下，需要手动重启一下vscode
• AI生成速度可以说快，也可以说不快，不快的是它生成一个文件也要几分钟，项目大了，就要等很久
• spec-kit要求生成集成测试、E2E测试等测试模块，这些东西很多，也非常花时间（30%-40%的时间在这里）

5. 人工验证和BUG修复：

• 人工自测发现一些问题之后，AI的修复也尝试了几轮
• 和vibecode一样，第一轮没修复到的话，ai大概率会一直修一直改，没完没了。直到我介入给提示/或者我协助提供日志。

现在我开始理解为什么有的项目分享的时候说可以98%的代码都是AI生成的，也可以理解为什么有些外面的分享说是21小时开发一个XXX。

感受

第四次工业革命已经来了。