3小时重写2.1万行代码0人工干预2025年AI写代码像实习生逻辑漏洞频出人工纠偏成本高。2026年在Python转Rust这类跨语言重写中AI的错误类型变了从难以排查的业务逻辑错误变成编译器能直接报出的语法和类型错误。区别在于后者不需要人逐行看编译器会告诉AI哪行不对AI照着改就行。DHH一年前说绝不把键盘交给AI宁愿退休今年4月在播客里改了口说自己在用Agent优先的工作方式。不是他变激进了是AI出的错从人看不懂变成了机器能修。一个完整的重写案例TTETerminalTextEffectsPython写的终端文字特效引擎2.1万行。支持文字轨迹、色彩、渐变、动画渲染既可作为命令行工具也能作为Python库导入。DHH让Claude用Rust重写。Claude一次接任务8个Agent各自在独立分支上并行开工读原代码、写Rust实现、编译、跑测试、修失败、分批合并。人类只在最开始让Claude订了个计划之后没碰过。耗时3小时11分Token消耗约1100万。结果Rust版也是2.1万行启动时间从87毫秒降到2毫秒渲染快9.6倍最终产物从需要Python环境变成3MB的独立可执行文件。37种特效全部跑通。同样的任务交给Codex也能跑通慢30%单次成本43美元。两个前提条件TTE的0干预重写很漂亮但不是所有项目都能照搬。第一业务逻辑封闭。TTE没有数据库、网络、会话状态AI在封闭系统里的推理精度远高于开放业务。第二原项目有完善的测试覆盖。AI判断不了对不对只能靠测试用例反馈。没测试覆盖的老代码AI重写风险成倍增加。业务逻辑复杂、外部依赖多、测试覆盖低——这三条占两条全自动重构就很难跑通。多智能体并行的真实瓶颈8个Agent分分支并行开发、最后合并。这套模式的关键不是提示词写得有多好而是CI/CD能不能在几分钟内跑完全量回归测试。如果测试跑得比AI写代码还慢并行就没有意义。想放大到更大体量项目首先得把测试基础设施的并行能力提上去。成本真相TTE重写的API调用成本是43美元。对比一个资深Rust工程师手动重写2.1万行保守估计2-3周薪资成本6000-9000美元。即便AI重试10次总成本仍远低于人工。但真正的瓶颈是人工验证。几万行AI生成的代码人怎么审怎么确认没埋坑这部分工作的难度已经超过了写代码本身。开发者能力要求变了校验、判断、兜底比写代码更关键。降低审查难度的一个做法不用一次性全量重写。让AI在重构每个函数时保留原代码的注释和文档字符串。Code Review时人看的是熟悉的业务逻辑对照不是陌生的新代码。审查效率能提高不少也避免了全量重写一次性出大问题的风险。哪些任务适合交给AI适合的跨语言重写、工具类和库类项目、性能优化、可按模块拆分的重构。不适合的业务规则复杂、依赖大量领域知识、错误代价极高支付、医疗、缺少测试覆盖的遗留代码。高并发状态竞争、非标准私有协议这类场景AI也很难处理。选型评估维度用真实任务横向对比重点看这几项同等任务的完整耗时、Token消耗与综合成本、长任务一次性通过率、是否支持多Agent并行、输出产物形态补丁/半成品/独立程序、全程人工介入次数。同一任务至少跑两个模型拿实测数据做决策别信厂商宣传。团队落地五步第一步小规模试点。从有测试覆盖的内部小型库开始。第二步明确验收标准。给AI任务前把什么算正确列成清单性能阈值、产物大小、必须保留的接口、必须通过的测试。需求越具体AI首次通过率越高。第三步搭建并行分支流程。不同Agent独立分支处理模块统一合并跑回归。第四步记录成本数据。多模型对比形成团队自己的选型参考。第五步重新定义开发者工作。代码生成交给Agent后开发者的工作是定义需求、设计约束、搭建测试、校验结果。这四项决定AI工程化的上限。结语AI没让编程消失。生成代码的边际成本趋近于零之后人的工作变成了判断什么值得做和确认什么算正确。DHH从拒绝AI到Agent优先只用了一年。与其争论能不能用不如拿真实项目跑一遍端到端流程。编译器成了AI的评分卡人成了编译器的裁判。AI 没有消灭编程它只是把“从 0 到 1 的创造”变成了“从 1 到 100 的校验”。当生成代码的成本趋近于零人类唯一的护城河是定义“什么是正确”的洞察力以及容纳“大规模试错”的系统韧性。这场跃迁淘汰的不是程序员而是拒绝把键盘交给 AI 的傲慢。