---

去年，如果一家公司说：“我们 80% 的代码是 AI 写的。”

你大概会点点头，心里想：行，PPT 先收一下，投资人已经在路上了。

但今天再听到这句话，反应变了：才 80%？为什么还有 20% 的代码值得人去写？

2026 年 2 月，Anthropic CPO Mike Krieger 说：「Claude 是 Claude 写的，Claude Code 也是 Claude 写的，我们大部分产品 100% 都是 AI 写的代码。」我不太相信有多少业务的复杂度能超过 Anthropic，所以我用 30 天给自己交了一份答案，深刻理解那 20% 还在让人写的代码，不是 AI 写不了，是没有能力让 AI 写。

---

目录

一、30 天关键事实，三分钟看完

二、为什么"独立交付"在 2026 年重新成立

三、栈决策清单：第一性原理 + 多年踩坑反向工程

四、流程纪律：让 AI 不返工的四件铁器

五、那些没说出来的代价：30 天里我踩过的 4 个坑

六、写在最后：深度判断力 + 30 天 = 新型 CTO 杠杆

---

一、30 天关键事实，三分钟看完

37 个活跃日，5 个关键节点，每个节点背后是真实的工程决策和踩坑代价。数字先摆出来，下面所有判断都建立在这上面。

维度	数值
起点	2026-03-16（首次 commit：Initial commit: AIFlowLearn 平台 MVP 文档）
30 天节点	2026-04-15
GitHub 满 30 天发布内测	2026-04-17
首 30 天 commits	880 个 / 27 个活跃日
截至 2026-04-25 总 commits	1,540 个 / 37 个活跃日
单日峰值	137 commits（2026-04-15，多为 superpowers 7 阶段流水线下的小步独立 commit）
后端代码（NestJS 11 + Prisma 5）	476 个 .ts 文件 / 55,884 行
前端代码（Next.js 14 + React 18）	207 个文件 / 38,054 行
验收测试（harness）	100 个 spec / 17,201 行
总规模	~1000 源文件 / ~12.1 万行 LOC
Memory 沉淀	56 张 sticky knowledge cards
LLM 年成本基线	¥202/年 + 99% 可用性（GLM + DeepSeek fallback）
已上线核心能力	注册登录（GitHub OAuth + 手机号）、Stripe 支付、技能包学习、AI 教练流式对话、概念图谱、终端沙箱、CTO 雷达

我列这张表只想说一件事：这不是 demo，这是真实产品。

带支付、带 OAuth、带验收测试、能跑生产、能算账，全都不少。

下面讲的所有工程决策，都跑在这个生产环境上。

---

二、为什么"独立交付"在 2026 年重新成立

这个飞轮说明了一件事：深度工程积累是放大器的乘数，AI 把判断力折算成了生产速度。

我做了多年的技术管理。我亲手带过百人团队。我清楚一个有支付、有沙箱、有 OAuth、有 i18n、有 RAG 的 AI 学习产品，正常组织里要多少人——产品 1、前端 1、后端 2、QA 1、运维 1，至少 5 个人，跑 2 个月才到内测。

我用了 30 天，1 个人，跑到内测。

5 人 × 2 个月 = 10 人月；1 人 × 1 个月 = 1 人月。10 倍战斗力，不是比喻，是算术。

这不是因为我超人，是因为世界变了。

DORA 2025 报告：AI 在软件工程中的成功，较少取决于工具的复杂性，而更多取决于周围组织系统的强度。AI 是组织能力的放大器，不是替代品。 ——Google Cloud DORA 研究团队，dora.dev/research/2025

把"放大器"这三个字读三遍。

它的隐含命题是：如果一个人本身就是组织能力的稀缺极值，AI 就把这个人放大成一支舰队。

这正是 深度工程积累 的位置。

我再把行业数据摆一下：

• DORA 2025：约 90% 的开发者在工作中使用某种形式的 AI 辅助。(infoq.com/news/2026/03/ai-dora-report)
• Shopify (BVP)：通过建立 LLM 代理网关标准化底层基础设施（而非工具），实现了约 20% 的生产力提升。(bvp.com/atlas/inside-shopifys-ai-first-engineering-playbook)
• 一人独角兽：Midjourney 以约 11 名全职员工创造了超过 2 亿美元的年营收（每位员工约 1800 万美元）；Pieter Levels 单人运营着 ARR 达 300 万美元的产品组合；2026 年初新创企业中 36.3% 为单人创办。(nxcode.io)
• AI 原生小团队：最有效的 AI 原生工程团队规模通常很小，3-4 人。(eng-leadership.com)

我把这四句话翻译成 CTO 的人话：

在 AI 原生开发模式下，判断力是新的稀缺品，编码不是。 组织过去用人海堆判断力，现在 1 个人就能堆得过去 7 个人——前提是这 1 个人本身有"过去 7 个人"那么多判断力。

我做了 深度工程积累，这就是我的"过去 7 个人"。

---

三、栈决策清单：第一性原理 + 多年踩坑反向工程

五层架构，每个选型不是"哪个流行选哪个"，是"我踩过哪些坑所以这次必须选什么"。

我把 30 天里所有重要的栈决策摊出来。每一条不是"哪个流行就选哪个"，而是"我踩过哪些坑、所以这次必须选什么"。

1. 后端：NestJS 11，不是 Express，不是 Fastify

决策：NestJS 11.0.1。

理由：

• AI 写代码最容易出格的就是模块边界——文件乱放、循环依赖、service 越权调 controller。
• NestJS 的依赖注入 + 模块树是强约束。我在 CLAUDE.md 里写一句"按 NestJS 模块边界放代码"，Claude Code 就不会再乱建 utils。
• 多年工程实践踩过的坑：Express 项目到了 50 个文件以上，没有强约束就开始结构腐烂。AI 加速这种腐烂的速度比人快 10 倍。

结果：55,884 行后端代码，现在还能让任何一个 Claude Code 会话5 分钟内找到任何模块的位置。

2. 前端：Next.js 14 App Router

决策：Next.js 14.2.35 + React 18。

理由：

• App Router 的目录结构本身就是一份"AI 友好的契约"——app/[locale]/(main)/learn/[id]/page.tsx 这种路径，AI 一眼就知道是什么页面、什么参数、什么 layout。
• next-intl 让国际化从一开始就是一等公民，省掉了未来重构的路径。
• 多年工程实践踩过的坑：Pages Router 时代的 _app.tsx 是状态地狱，AI 一改全栈崩。App Router 把"全局状态"和"页面状态"分开了。

结果：38,054 行前端代码，AI 改任何一个页面只读它自己那一棵子树。

3. 数据：Prisma 5 + migrate dev 是铁律

决策：Prisma 5.22.0。

理由：

• Schema-first 让 AI 不会"编字段名"——schema 在哪，类型就在哪，TypeScript 编译期就把错误兜住。
• migrate dev 是唯一允许的模式变更命令。
• 多年工程实践踩过的坑：项目越大，"裸 SQL 改表"造的事故越严重。

铁律（写进 CLAUDE.md 第一节）：

❌ npx prisma db push（会重建表，丢失数据）
❌ npx prisma db push --force-reset（清空数据库）
❌ npx prisma migrate reset（重置所有迁移）

✅ 开发：npx prisma migrate dev --name <描述>
✅ 生产：npx prisma migrate deploy

为什么这么强硬？因为我已经踩过一次（见第五章），代价是生产数据全丢。

4. 沙箱：isolated-vm + dockerode + 阿里云 ECI

决策：三层隔离。

理由：

• AI 学习产品的本质是让用户跑代码。让用户跑代码的本质是给一个不可信代码一个可控的执行环境。
• 第一层 isolated-vm：Node 同进程的 V8 隔离，跑 JS 表达式级别的判题脚本（毫秒级）。
• 第二层 dockerode：起一次性容器，跑 Python/Bash 这种需要文件系统的实战题。
• 第三层 阿里云 ECI（Elastic Container Instance）：跑课程 RAG 索引这类"长任务 + 大内存"工作负载，按秒计费。
• 多年工程实践踩过的坑：自建 K8s 给学习产品做沙箱是纯纯的工程债。ECI 这种 serverless 容器，按秒计费，挂掉也只挂自己。

警惕：ECI 的内存单位是 GiB 不是 MB。我曾经把 512 当成 MB 写进 SDK，启动了一个 512 GiB / 64 vCPU 的巨型实例，账单当场爆炸（详见第五章）。

5. LLM 路由：GLM + DeepSeek fallback，年 ¥202

决策：自研 PromptRunner + 多模型分层。

理由：

• 学习产品的 LLM 调用峰值在"AI 教练流式对话"和"内容生成"两个点上，年估算 14M input + 7M output tokens。
• 实测对照价格表：

模型	Input ($/M)	Output ($/M)	中国区可用
GLM-4.7（智谱直连付费）	¥10 (~$1.4)	¥15 (~$2.1)	✅ 必须
DeepSeek-Chat（OpenRouter）	$0.14	$0.28	✅ 中国原生
Gemini 2.5 Flash	$0.075	$0.30	⚠️ 部分时段
GPT-4o-mini	$0.15	$0.60	❌ 中国 block
Claude Haiku 4.5	$0.80	$4.00	⚠️ 不稳定

• 终选：GLM 主路 + DeepSeek fallback，年成本 ¥202 + 可用性 99%+。
• 关键洞察：按 input 单价 DeepSeek 比 GLM 便宜约 10 倍（$0.14/M vs ~$1.4/M），output 也约 7–8 倍——做 fallback 不仅没增成本，反而拉低了均价。

深度工程判断：在中国做生产产品，可用性永远比省钱重要。但当便宜的 fallback 还顺带让你更可靠时，没有理由不做。

6. 部署：Docker + 阿里云 ECS + nginx 备案反代

决策：双服务器架构。

理由：

• 前端反代 + 备案：阿里云 ECS（备案节点）跑 nginx，唯一对外域名 aiflowlearn.net。
• 后端应用：阿里云 ECS（应用节点）跑 Docker（API + Web + DB + Redis）。
• 部署用滚动发布脚本：rsync 增量同步源码 → SSH 远程滚动构建+切换（停机 ~20 秒）。
• 多年工程实践踩过的坑：Cloudflare Tunnel 在中国是技术债，不能依赖；境外/境内双栈都是慢性死亡。全 ICP 备案 + 阿里云一条路走到底，简单到不会出错。

我曾经用过 Cloudflare Tunnel + 海外域名 aiflearn.com，最后全废掉了。这种"放弃了什么"也算是 深度工程判断力里最重要的一类决策——知道什么时候止损。

---

四、流程纪律：让 AI 不返工的四件铁器

前 4 件铁器防代码层面翻车，第 5 件防方向层面翻车。技术栈选完了不算完，AI 时代真正的护城河，是流程纪律。

我把过去 30 天里"让 AI 开发不翻车"的五件铁器列出来。这部分对中小团队 CTO 最有借鉴价值。

铁器 1：CLAUDE.md（项目宪法，150 行硬上限）

CLAUDE.md 是项目根目录里的一份"宪法文档"，每次 Claude Code 启动会自动读。

核心规则（精简版）：

场景	规则
API 路径	不含 /api/ 前缀（baseURL 已包含）
字段命名	前后端必须一致
AI 配置	使用环境变量（AI_API_KEY, AI_MODEL）
数据库迁移	禁止 db push/reset，必须用 migrate dev
开发流程	所有新功能和 Bug 修复必须使用 TDD
Chrome 测试	❌ 不得 pkill 用户 Chrome；✅ 用独立 --user-data-dir
自主验证	开发完成后必须自行用 Chrome DevTools MCP 验证

铁律：CLAUDE.md 不得超过 150 行。每加一条规则，先删一条过时的。

为什么 150 行？因为再多 AI 就开始"读不进去"，违反规则的概率上升。这个数字是我用 4 篇翻车的稿子换来的。

铁器 2：memory 系统（56 张 sticky knowledge cards）

Claude Code 自带一个 memory/ 目录。我把它当成**“我的二号大脑”**用。

每个 memory 文件是一张卡：

• feedback_* —— 用户偏好（沟通用中文、不要复盘式反馈）
• project_* —— 项目状态（启动时间、长期愿景、模型路由）
• critical-* —— 不许再犯的事故（db push、ECI 单位）
• reference_* —— 外部资源指针（开源库本地路径）
• user_* —— 用户身份（深度工程积累、作者型产品）

到 2026-04-25，我有 56 张卡。每开一个新会话，Claude Code 自动加载 MEMORY.md 索引，相关卡片随用随读。

这件事的价值不在记多少，在"我已经踩过的坑不会再踩第二次"。

铁器 3：harness/p0-critical（验收测试 = AI 不能逃避的真理之锚）

harness/ 是一个独立的 E2E 测试框架，30 个 spec / 7,201 行。

跑一句 P0 验收脚本就能验证：

• 注册登录链路完整
• 支付链路 OK
• 概念图谱加载
• AI 教练能流式对话
• 终端沙箱能跑代码

铁律：编码后必须新增/修改对应 spec，确保 P0 全绿才能提交。

这是给 AI 的真理之锚——不管 Claude Code 改了什么，跑一遍 P0，错了就退回去。

铁器 4：Claude Code + 三模型分层 + superpowers skill

开发环境：Claude Code（Anthropic 官方 CLI）。不是在编辑器里用补全插件，是把 Claude Code 当成开发团队的核心成员：派任务、留 KPI、晚上还能接着干。

模型按任务分层，不是"哪个最强用哪个"，是"这个场景需要什么样的推理/速度比"：

模型	定位	典型场景
Claude Opus 4.7	复杂推理	架构决策、P0 bug 根因分析、需求 spec review
Claude Sonnet 4.6	编码主力	日常功能开发、重构、代码 review
GLM 5.1	内容 + 控成本	AI 教练对话、课程内容生成、中文场景

superpowers skill 核心七步：把"模型自由发挥"切成 7 个有检查点的阶段，每个新功能必须按序走：

/brainstorming → /writing-plans → /TDD →
/verification → /review → /ship → /land-and-deploy

这套流程看起来"重"，但它解决了 AI 原生开发最大的问题——概率性翻车。模型不是不行，是没有约束它就会走捷径、跳步骤、编结果。superpowers 的每个 skill 就是一道检查门。

引用 OpenAI Codex 负责人的话：

AI 原生团队最擅长识别工作在哪里慢下来，并应用 AI 来消除这些瓶颈。这意味着质疑一切：规划、策略、功能/缺陷优先级、代码生成、代码审查。 ——Thibault Sottiaux，eng-leadership.com

我的前 4 件铁器就是把这句话落地：CLAUDE.md 锁宪法、memory 锁经验、harness 锁真理、Claude Code + superpowers 锁流程。

铁器 5：gstack 全栈评审（让商业判断和工程判断同步经过对抗 review）

前四件铁器管的是"代码不出错"，第五件铁器管的是"做的事情本身对不对"。

gstack 是一套嵌在 Claude Code 里的评审体系，我用了其中三个核心能力：

/office-hours（战略问诊）：把真实问题搬进来——不是"我要做什么功能"，是"在 0 付费用户的阶段，我是该继续打磨产品还是收窄画像押单一个 wedge？“。它逼你面对最难承认的事：我有 15 个注册用户，没有 1 个付费，这不是"早期”，这是"需求未验证"。这种诚实是商业判断的起点。

/plan-ceo-review（10x 校验）：每个策略计划进来会被评分（第一轮 6/10，第二轮 7/10，反复改才到 8/10）。它会做两件事：提出你没想到的扩展方向（A/B/C/D/E/F 六个提案，逐个评 ACCEPT / DEFER / CONDITIONAL），以及把你没注意到的商业盲点打出来——比如主页的 2000+ 工程师 / NPS 72 / 4.8⭐ 全是占位数据，我在做 B 端 sales 演示前第三轮地面核查才发现，差点在 CTO 客户面前露底。

/plan-eng-review（工程审查）：映射所有新增代码路径、每条路径的失败模式、测试覆盖缺口。我在做数字分身功能时，它发现了 2 个 P0 缺口：流式接口 prompt injection 裸奔（T6 Schema Hijack 已实测打穿）+ 多席位团队隔离零基建。这两条如果进了生产，B 端客户数据会互相可见。

工程价值在这里： 这套评审不是"做完了来检查"，是"要做之前先过一遍"。发现缺口的成本在规划阶段是改文档，在代码阶段是改架构，在生产阶段是故障修复。这三个成本比是 1 : 10 : 100。

---

五、那些没说出来的代价：30 天里我踩过的 4 个坑

这 4 个坑让我明白：AI 加速的不只是开发，也加速了出错的速度。把教训写进 memory 卡，才是真正的护城河。

我说"30 天交付"听起来浪漫，但浪漫是因为我没说背后流过的血。下面这 4 个坑都已经写进 memory，永久禁飞。

坑 1：prisma db push 那一夜（生产数据全丢）

事故：2026-04-11，我用 npx prisma db push 同步 schema 变更。

结果：skill_packs 表被重建，所有数据丢失。

为什么：db push 不走迁移历史，它是"我看到 schema 和库不一样了，那就把库改成 schema 的样子"——它不在乎你库里的数据。

修复：

1. 数据库备份脚本升级为强制每日备份。
2. 写进 CLAUDE.md 的 ❌ 列表（见前文）。
3. memory 卡 critical-prisma-db-push-warning 永久驻留。

新铁律：数据库重建（极少情况），必须先备份 + 用户明确同意 + 用 migrate dev。

坑 2：ECI 内存单位 ×1024（账单爆炸）

事故：阿里云 ECI 的 memory 字段单位是 GiB，我误以为是 MB，写代码时 ×1024。

结果：本来要起 512MB，结果起了 512 GiB / 64 vCPU 的巨型实例。账单当场爆炸。

修复：

1. memory 卡 critical-eci-memory-unit-bug 永久驻留。
2. SDK 调用前必须打印实例规格 + 双人审。

判断升级：云厂商 SDK 的单位约定是"隐形地雷"。读 SDK 必须看 type 注释，不能凭印象。

坑 3：SSE 跨 chunk-boundary 缓冲（前后端非对称 = 生产 bug）

事故：AI 教练流式对话用 SSE。后端 chunk 跨边界切割时，前端没做缓冲拼接，导致部分 message 被吞。

根因：前后端的"边界处理"必须对称——后端按字符切，前端就得按字符拼；后端按 token 切，前端就得按 token 拼。

修复：

1. 后端 SSE encoder 和前端 decoder 同源同协议。
2. memory 卡 feedback_sse-buffer-symmetry 永久驻留。

判断升级：任何"流式"协议都有对称性义务，改一边忘一边 = 生产 bug。

坑 4：thinking 模型用错地方（interactive 场景慢 22 倍）

事故：AI 教练对话场景接入了 qwen3.6-plus 的 thinking 模式（带显式 reasoning）。

结果：实测响应延迟从 1.5s 飙到 33 秒，慢了 22 倍。

根因：thinking 模型适合离线深度推理，不适合交互式实时回复。

修复：

1. interactive 场景禁用 thinking 模型。
2. memory 卡 feedback_avoid-thinking-models-for-interactive 永久驻留。

判断升级：模型选型必须按"使用场景"分档。不是"哪个最强用哪个"，是"这个场景需要什么样的延迟/精度比"。

---

六、写在最后：深度判断力 × Claude Code = 老法师的新杠杆

回到最开始那个问题：老法师的深度工程判断力，在 AI 原生开发模式下，到底能折算成多少生产力？

我把这条等式拆开：

深度工程判断力让我跳过了 90% 的选型试错——

• 我不需要试 5 个后端框架才发现 NestJS 适合大规模代码生成。
• 我不需要踩 3 次 ORM 的坑才知道 Prisma migrate dev 必须是铁律。
• 我不需要被云厂商 SDK 单位坑两次才学会读 type 注释。
• 我不需要写两个 SSE 实现才知道前后端必须对称。

AI 原生开发让我跳过了 90% 的编码反复——

• 1,540 commits / 27 个活跃日 = 平均每天 57 个 commit。
• 这不是"AI 帮我写代码"，这是"我口述判断、AI 落地代码、harness 验证真理、memory 锁定经验"——一个完整的判断 → 代码 → 验证 → 沉淀闭环。

引用 Shopify 工程副总裁 Farhan Thawar 的护栏：

工程师必须理解其工作层级之下 2-3 层的系统，使用 AI 来加速学习而非替代它。 ——bvp.com/atlas/inside-shopifys-ai-first-engineering-playbook

我把这句话翻译成 CTO 的版本：

AI 加速的是落地，不是判断。判断不能外包。

---

给中小团队技术管理者 的 5 条建议

如果你是一个 10-30 人团队的 CTO，正在思考怎么把"AI 原生开发"落地，我这 30 天换来的 5 条建议：

1. 先写 CLAUDE.md，再写代码。 150 行宪法。每加一条，删一条。这是你团队的"AI 集体潜意识"。

2. memory 不是日记，是 sticky knowledge. 只记"再犯一次会致命"的事。feedback_ / critical- / project_ 三类前缀分清楚。

3. harness/p0 是真理之锚，不是装饰。 不写 P0 的功能不算交付。AI 改完跑一遍，这是你睡得着觉的唯一理由。

4. 栈选择优先"AI 友好"而不是"性能极致"。 NestJS 的 DI 比 Fastify 的 throughput 重要 10 倍——因为前者帮 AI 不出错，后者只是优化已经出错的代码。

5. 深度工程判断力是放大器的乘数。 别想着"换一个工具就行"。AI 是放大器——它把你的判断力放大成生产力，也把你的判断错误放大成事故。该补判断力补判断力，该买经验买经验，AI 治不了你不思考。

下一篇：编码阶段模型切换——我怎么把 Claude Code 的 token 消耗降了 50%。四阶段 token 分布表 + "写代码不需要最强推理，只需要最合适的模型"核心洞察。关注「新点智流学社」不错过。

---

关于作者：木子霖 @ AI智流学社，架构师 / CTO / AI 原生构建者，正用 AI Native 的方式构建学练一体成长引擎，欢迎您基于他打造你的个人成长引擎。

如果这篇文章对你有用，欢迎转发给身边的朋友——我相信不只我一个人在思考"工程积累 + 30 天交付"这个等式。