前几天 OpenAI Dev Day 的时候，我没有赶上直播，但又想了解具体内容，于是，我就在"扣子空间"发送了一条指令：
"帮我整理 OpenAI DevDay 2025 中的发布内容，分条列举，关注重要更新，并谈一下对ai编程的实际作用，一些不太重要的特性可以一笔带过"
发送完之后，我就去看旅游直播放松心情了。
大概十几分钟后，浏览器弹出通知，提醒我"扣子空间"已经帮我整理完成相关报告了。
文档结构清晰，内容完整，关键信息还有相关的参考文档，点击即可查看明细内容。
这种"说完就走，结果自达 "的体验，才算符合 Agent 代理的含义吧。
我感觉这种"全自动"的 AI 协同模式才是未来，目前的 AI 编程还有很长的路要走。
像 Cursor、Trae 这些 AI 编程助手，确实让单次任务的编码效率提升了。但目前的缺陷也非常明显：AI 完成任务需要人的参与度太高了，这使得 AI 对编程工作的提升很有限。
因此，在 Cursor 这类 AI IDE 使用体验非常好的情况下，Claude Code 等更强调少干预的 AI 编程模式依然获得了极大的发展。
"半自动 "的 AI 就像你招了一个不太让人省心的学徒，很多事情需要你去推，你去指导，虽然合计产出确实高于一人，但却远远低于两人。
我设想的 AI 编程模式，大体应该是（这里仅以我们探索比较多的缺陷修复场景举例）：
- 测试提出 10 个缺陷；
- AI 自动为缺陷分配
Agent，并创建缺陷开发环境； - 然后就是
Agent阅读项目文档、读取相关代码、修复缺陷、提 PR； - 然后由 AI 进行修复确认，并整理未成功的任务，方便人工进行审查和接手。
这样，AI 对研发的效率提升就不仅限于编码了，而是对整个流程的升级，提升效果也不再仅限于编码产出提升 30%、50% 的样子。
随着并发规模的提升和改造业务的增多，团队效率的提升甚至可以奔着 100%、200% 去。尤其针对小团队，人力将不再是团队的瓶颈，小团队也可以做更多的大事！
所以，别再只盯着 AI 提升写代码速度了。
我们更应该去探索如何将 AI 深度嵌入业务，如何更大地将 AI 能力利用起来。
不妨，今天就考虑下自己哪些业务可以让 AI 进行改造提升，也欢迎留言讨论。
AI 在后台干活，我们在前方思考------这应该才是 AI 协同的未来。