HN讨论 · 身份未知
资深工程师：AI代理在大型RPA代码库上的规格与审查成本超过亲自动手
一位资深工程师在大型RPA代码库上使用AI编程代理时发现，代理从零搭建复杂功能很顺，但一旦让它自行做设计决策就会漏掉关键细节；为了可控，他必须写低层规格并掌握代码库更新方式，导致编写规格和审查AI改动的时间和认知成本超过自己实现功能。
查看原始信号hn:49438590
目标用户
在大型遗留代码库（如RPA数据录入自动化系统）上尝试用AI代理开发功能的资深工程师与技术负责人
潜在需求
降低让AI代理在大型遗留代码库上可靠工作所需的人工前置成本：减少撰写低层规格与审查、评估AI改动的工作量，同时让代理理解代码库演进并作出不丢失上下文的稳健设计决策。
发生场景
他的代码库为旧软件做RPA数据录入自动化，规模庞大。AI代理可以独立搭建复杂功能，却无法在自己做设计决策时保留足够细节，容易引发重大bug或违反SLA；只有当他给出低层规格并确认现有代码库如何配合改动时，结果才可控。
来源证据
帖主（资深工程师）表示，若让AI代理自行做设计决策会遗漏细节导致SLA问题；编写足够详细的规格并审查、评估AI改动，比他自己实现功能更耗时且认知负担更重。
control. So in other words, if I trust the agents to make any design decisions on their own, then a lot of nuance will be completely missed, leading to major bugs or issues with the SLA. To summarize my problem, I am finding that the work required to build detailed enough specs, review and evaluate AI changes is far more time consuming (and cognitively demanding) than implementing the features myself. Where am I going wrong?https://news.ycombinator.com/item?id=49438590
为什么值得留意
信号来自一位有数十年经验的主工程师，呈现了AI编程在复杂遗留系统上的真实成本倒置：代理生成越快，越需要人工把规格和审查补上。这与“AI提速”的叙事形成对比，可能催生围绕代码库上下文、规格协作与改动评估的新工具或工作流，值得继续跟踪。
已有方案
- 使用AI代理从零生成复杂功能
- 工程师亲自实现功能
未满足部分
- AI代理在大型遗留代码库上自行做设计决策会遗漏关键细节，导致重大bug或SLA问题
- 编写低层规格、审查和评估AI改动的时间与认知成本高于工程师亲自实现
可能延伸 · 模型推测
- 自动生成并维护代码库架构与受影响区域地图，辅助代理和人工共用上下文
- 基于历史改动模式预测变更波及面，自动生成审查重点与回归测试建议
- 将“规格-实现”双向绑定，代理在遇到设计决策时主动报告假设而不是静默选择
- 用可验证的失败模式库（如SLA相关边缘场景）作为代理生成的约束条件
目前未知
- 帖主未说明所用AI代理的具体产品与版本，不同工具可能有明显差异
- 未提供代码库规模、语言、团队流程等细节，无法判断可推广性
- 这是一则自述性提问，不是第三方用户报告，缺乏独立验证
- 没有评论或后续回复，无法了解其他用户的类似经历
继续核实
- 在大型遗留代码库场景中，AI代理的自主设计决策错误主要集中在哪些类型的改动？
- 是否存在通过自动上下文提取或规格模板来降低人工编写低层规格成本的有效实践？
- 如何衡量并降低AI改动的审查与评估成本（例如自动diff摘要、影响分析）？
- 其他维护大型RPA或遗留系统的团队是否观察到相同的成本倒置？
主题词
ai coding agentslegacy codebasespecification writingdesign decision autonomycode review workload