華盛頓大學基因組科學系的一個實驗室里，一段塵封多年的代碼終于迎來了新生。這個名為Skyline的開源軟件，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，隨著開發者的更替，部分功能模塊逐漸成為無人敢碰的"爛尾工程"，其中最棘手的是一個擱置了整整一年的文件視圖面板。
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，留下的不僅是代碼，還有只有他們自己知道的"潛規則"和項目細節。面對這個積壓多年的技術債，Brendan決定嘗試一種全新的方法——像帶實習生一樣訓練AI來理解這個龐大的代碼庫。
他創建了一個獨立的代碼倉庫pwiz-ai，專門存放給AI看的上下文資料。在根目錄下，一份名為CLAUDE.md的文檔詳細描述了項目結構、編譯方式和測試流程，相當于給AI的"地形圖"。但這還不夠，Brendan還開發了專門的"技能"模塊，比如一個調試技能，強制AI在動手修改代碼前先進行根因分析。通過這些努力，AI終于能夠理解代碼的用途，而不再是從零開始。
這個方法很快顯現出成效。原本需要數年才能完成的技術債務清理工作，現在以驚人的速度推進。Brendan僅用不到一天時間就完成了一個擱置三年的功能模塊，還順便用CSS更新了頁面布局。更令人驚訝的是，實驗室里原本對AI編程工具最持懷疑態度的開發者，現在也使用Claude Code構建并發布了一個全新的數據可視化面板。
就在這個實驗室取得突破的同時，科技界另一巨頭OpenAI也公布了他們的解決方案——Symphony。這個開源項目在GitHub上迅速獲得了超過1.8萬個星標，其核心思路是將項目管理看板變成AI編程的控制中心。每個開放狀態的問題都會自動分配一個AI代理，這些代理在獨立工作區中持續運行，崩潰時自動重啟，新任務到來時自動接手。
Symphony的獨特之處在于它徹底改變了團隊的工作方式。工程師不再需要盯著Codex會話，代碼變更的"感知成本"大幅降低。想要嘗試重構方案？只需提交一個工單，運行結果不滿意就直接丟棄，成本幾乎為零。甚至產品經理和設計師也能直接在系統中提出功能請求，無需克隆倉庫或開啟Codex會話，就能收到帶有演示視頻的評審包。
這兩個項目雖然路線不同，但都在解決同一個核心問題：如何讓AI在真實的工程環境中發揮作用。Anthropic選擇深度路線，通過構建多層上下文讓AI深入理解特定代碼庫；OpenAI則選擇規模路線，通過編排層實現任務的自動分配和并行處理。有趣的是，兩種方法最終都指向同一個結論：要充分發揮AI的潛力，關鍵不在于模型本身，而在于人類如何有效地"管理"AI。
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AI也是如此。無論是通過詳細的文檔固化項目知識，還是通過編排系統固化開發流程，核心都是將人類的隱性知識轉化為機器可讀的顯性資產。這兩種方法各有適用場景，但都證明了一點：AI編程的真正瓶頸，已經從代碼生成能力轉移到了人類的管理能力上。
