在华盛顿大学基因组科学系的实验室里，一段搁置多年的代码终于迎来了新生。这个名为Skyline的开源软件项目，拥有70万行C#代码，是研究人员检测和量化血浆、组织中蛋白质的重要工具。然而，随着开发人员的更替，部分功能模块逐渐成为无人敢碰的"烂尾工程"，其中就包括一个文件视图面板。
首席开发者Brendan MacLean在这个项目上已经工作了近二十年，见证了无数开发者的来来去去。每当有人离开，留下的代码就像一座座孤岛，无人能完全理解其中的逻辑。面对这个停滞了一年的文件视图面板，Brendan决定尝试一种全新的解决方案——让AI来接手这个烂摊子。
Brendan最初尝试使用浏览器版的Claude.ai，但效果并不理想。每次对话都像从零开始，AI无法理解Skyline项目的整体架构和17年来积累的编码规范。这让他意识到，要让AI真正发挥作用，必须像培养新实习生一样，为其提供系统的项目知识。
为此，Brendan创建了一个独立的代码仓库pwiz-ai，专门用于存放AI所需的上下文信息。他在根目录下编写了详细的CLAUDE.md文档，介绍项目结构、编译方式和测试流程。同时，他还开发了专门的"技能"模块，比如调试技能，要求AI在修改代码前必须进行根因分析。
通过这种结构化的知识传递，AI逐渐掌握了项目的核心逻辑。Brendan开始用它来清理长期积累的技术债务，其中最显著的是解决了持续三年的测试管理模块问题。这个原本用Java编写的模块与主体C#代码不兼容，一直无人维护。现在，AI不仅完成了功能扩展，还更新了页面布局。
AI的贡献远不止于此。Skyline项目中有2000多张教程截图需要手动维护，现在全部实现了自动化生成，几乎达到100%可复现。AI还开发了一个C# MCP服务器，能够检测截图之间的差异。每天早晨，Brendan都会收到AI自动生成的日报，汇总夜间测试失败情况和未解决的工单。
这种转变甚至影响了实验室里对AI最持怀疑态度的开发者。一位原本不看好AI编程工具的成员，现在使用Claude Code成功构建并发布了一个全新的数据可视化面板。整个实验室的开发效率得到了显著提升，曾经无人敢碰的代码模块，如今在AI的协助下两周内就完成了开发。
与此同时，OpenAI也推出了类似的解决方案——Symphony项目。这个开源工具将Linear项目看板转变为AI编程的控制中心，每个开放的问题都会自动分配一个AI代理，在独立工作区中持续运行。人类开发者只需负责审核结果，大大降低了代码变更的感知成本。
OpenAI的统计数据显示，部分团队在使用Symphony后的前三周内，成功合并的PR数量增长了500%。更令人惊讶的是，这个项目的核心竟然是一份用Markdown编写的规范文档。OpenAI让Codex用六种编程语言实现了这份规范，最终甚至用Symphony编排Codex重写了自身。
这两家公司的探索揭示了一个共同点：要让AI在真实工程环境中发挥作用，关键在于将人类的知识转化为机器可读的显性资产。无论是Brendan构建的深度上下文层，还是OpenAI开发的大规模并行调度系统，都在尝试解决同一个问题——如何有效地管理AI开发者。
正如Brendan所说："你不会把70万行代码库甩给一个新员工，然后指望他第一天就出活。"对待AI开发者也是如此，需要建立系统的知识传递机制和适当的管理框架。随着这些工具的不断完善，AI在软件开发中的角色正在从辅助工具转变为真正的协作伙伴。
