作者提出一种新的工程范式——Agentic Coding，强调“AI 是能协作的工程伙伴”，而非“自动写代码的黑盒”。在这种模式下，AI 可以产出约 80% 的提交，但最终的质量与审查仍由人类工程师负责；以 Rust 为例，强类型与编译期检查让代理能安全地快速迭代。
这种方式带来10× 的开发吞吐，但也放大了缺陷风险：过去一年才遇到一次的线上问题，如今可能一周出现一次。因此，必须把“出错概率”再降低一个数量级。
为此，作者建议重构工程体系：

  • 测试体系：引入“整机级风洞测试”思路，用高保真模拟依赖在本地进行端到端验证；AI 让过去成本高昂的集成测试成为可能。
  • CI/CD 流程：在分钟级完成定位、隔离与回滚，否则高吞吐将被长链路反馈拖慢。
  • 沟通方式：10× 的速度让架构与接口决策频繁爆发，团队需降低协调延迟，甚至重构工作空间和协作节奏。

核心结论是：不要简单地在旧流程上“加 AI”，而应从测试、部署到协作机制全面重塑，用同一套智能体系支撑 10× 吞吐的开发模式——这才是真正的“AI 时代工程学”。
来自：https://blog.joemag.dev/2025/10/the-new-calculus-of-ai-based-coding.html