腾讯AI代码生成率干到94%

正文大多数人说AI写代码不行其实就是写写脚本、补补函数。但腾讯企业微信团队最近搞了个Skill——把AI用到真实业务需求开发代码生成率干到94%。注意不是demo是真项目。9000源文件的企业微信客户端。先说为什么AI写业务代码总是差一口气。上下文塞不下。9000个文件跨五六层调用单次对话根本喂不进去。物料散在各处PRD在TAPD设计稿在Figma协议在企微文档。命名对不上产品说小红条代码里叫XYZTipsView。指令模糊按PRD改一下AI直接跳过拆解开始动手越界漏改。验证不闭环AI说完成了其实编译都没过。最要命的是跨会话失忆——上次的设计决策、改了哪些文件下次全忘。他们的解法不是换更大的模型而是把需求开发这件事重新建模。做了个Skill把开发拆成8个阶段严格按顺序来。每步有明确的输入、输出和退出标准。从设计稿筛选到最终git commit一条龙。关键设计叫五步定位法。从看目录到读代码分5步收窄范围。前两步只看目录和文件名第三步才grep第四步才读代码。token消耗从1000万压到3万300倍压缩。知识体系分三级。L1是项目全景地图5KB以内L2是模块文件索引按需加载L3最狠Figma设计稿的Token和代码API做了精确映射。脚本自动检测代码变化知识库自动更新。6个月没脱节过。红线机制更狠。30多条规则写死在配置文件里——编译必须通过不能跳过阶段不能凭空联想需求。触发即停。而且成功不看stdout看的是退出码是不是0文件有没有落盘。这四条公理撑起了整个系统跨会话也不失忆了。每个需求做完沉淀成一份TECH_SPEC.md下次接手5分钟恢复现场。说实话这事最值得琢磨的不是94%这个数字。AI编程的天花板不在模型在工程。模型只是引擎流程是变速箱、方向盘、刹车。大家整天想换引擎其实该重新设计传动系统。