在華盛頓大學基因組科學系的實驗室里，一段擱置多年的代碼終于迎來了新生。這個名為Skyline的開源軟件項目，擁有70萬行C#代碼，是研究人員檢測和量化血漿、組織中蛋白質的重要工具。然而，隨著開發人員的更替，部分功能模塊逐漸成為無人敢碰的"爛尾工程"，其中就包括一個文件視圖面板。
首席開發者Brendan MacLean在這個項目上已經工作了近二十年，見證了無數開發者的來來去去。每當有人離開，留下的代碼就像一座座孤島，無人能完全理解其中的邏輯。面對這個停滯了一年的文件視圖面板，Brendan決定嘗試一種全新的解決方案——讓AI來接手這個爛攤子。
Brendan最初嘗試使用瀏覽器版的Claude.ai，但效果并不理想。每次對話都像從零開始，AI無法理解Skyline項目的整體架構和17年來積累的編碼規范。這讓他意識到，要讓AI真正發揮作用，必須像培養新實習生一樣，為其提供系統的項目知識。
為此，Brendan創建了一個獨立的代碼倉庫pwiz-ai，專門用于存放AI所需的上下文信息。他在根目錄下編寫了詳細的CLAUDE.md文檔，介紹項目結構、編譯方式和測試流程。同時，他還開發了專門的"技能"模塊，比如調試技能，要求AI在修改代碼前必須進行根因分析。
通過這種結構化的知識傳遞，AI逐漸掌握了項目的核心邏輯。Brendan開始用它來清理長期積累的技術債務，其中最顯著的是解決了持續三年的測試管理模塊問題。這個原本用Java編寫的模塊與主體C#代碼不兼容，一直無人維護?，F在，AI不僅完成了功能擴展，還更新了頁面布局。
AI的貢獻遠不止于此。Skyline項目中有2000多張教程截圖需要手動維護，現在全部實現了自動化生成，幾乎達到100%可復現。AI還開發了一個C# MCP服務器，能夠檢測截圖之間的差異。每天早晨，Brendan都會收到AI自動生成的日報，匯總夜間測試失敗情況和未解決的工單。
這種轉變甚至影響了實驗室里對AI最持懷疑態度的開發者。一位原本不看好AI編程工具的成員，現在使用Claude Code成功構建并發布了一個全新的數據可視化面板。整個實驗室的開發效率得到了顯著提升，曾經無人敢碰的代碼模塊，如今在AI的協助下兩周內就完成了開發。
與此同時，OpenAI也推出了類似的解決方案——Symphony項目。這個開源工具將Linear項目看板轉變為AI編程的控制中心，每個開放的問題都會自動分配一個AI代理，在獨立工作區中持續運行。人類開發者只需負責審核結果，大大降低了代碼變更的感知成本。
OpenAI的統計數據顯示，部分團隊在使用Symphony后的前三周內，成功合并的PR數量增長了500%。更令人驚訝的是，這個項目的核心竟然是一份用Markdown編寫的規范文檔。OpenAI讓Codex用六種編程語言實現了這份規范，最終甚至用Symphony編排Codex重寫了自身。
這兩家公司的探索揭示了一個共同點：要讓AI在真實工程環境中發揮作用，關鍵在于將人類的知識轉化為機器可讀的顯性資產。無論是Brendan構建的深度上下文層，還是OpenAI開發的大規模并行調度系統，都在嘗試解決同一個問題——如何有效地管理AI開發者。
正如Brendan所說："你不會把70萬行代碼庫甩給一個新員工，然后指望他第一天就出活。"對待AI開發者也是如此，需要建立系統的知識傳遞機制和適當的管理框架。隨著這些工具的不斷完善，AI在軟件開發中的角色正在從輔助工具轉變為真正的協作伙伴。
