开发者亲述：六个月内只用AI Agent写代码的实战经验

这位开发者在博客中分享了他从2024年起依赖AI编码工具的历程。最初，他依靠Copilot和Cursor的补全功能，减少了打字量，但仍需仔细审查并编辑模型生成的代码，以确保其正确性。转折点出现在今年，GPT-5.3和Opus 4.6等模型的性能大幅提升，能够处理更大规模的任务，且结果质量足以在其上继续构建。由此，他立下二月规则：若智能体卡住，他不再是补完代码，而是需要找出智能体缺失的信息并修复环境、提示词或工具。

作者强调，这一规则迫使他获得了大量实战经验，就像学习编程一样，通过反复使用、测试和迭代来理解智能体的行为。他仅在最初被规则打破过一次，写了几分钟代码后，反而怀念手动编程的节奏。

随着对智能体的依赖加深，作者发现每当一个Agent执行任务时，空闲时间出现，他会启动更多Agent，逐渐形成一个并行开发环境。这带来了一系列挑战：多个Agent同时修改文件、同用Git状态、数据库和端口，经常发生冲突，需要协调测试和部署顺序。为解决这些问题，他尝试了工作树、容器和基于AGENTS.md的指令，但每个方案都有局限，尤其是容器无法限制Agent对外部资源的访问。

最终，作者团队开发了exe.dev，提供快速启动的Linux虚拟机（VM），每个任务分配独立机器。这样，他关闭笔记本电脑后，工作可以持续进行。他让Claude编写启动脚本，实现自动配置开发环境，包括安装工具链、克隆仓库和执行验证循环。这一转变标志着个人开发流程向全面自动化、并行化的迈进，也反映出AI编码在工作效率提升的同时，也对环境隔离和编排提出了新要求。