AI智能体彻底改变的应用开发流程

说到“系统开发”，过去的做法是编写大型需求规格书，按工序分配人员，经过多轮评审，耗时数月乃至数年才能完成。
这种推进方式并未消失，但应用开发的实际工作已经转向以AI智能体为前提的模式。

AI智能体并不只是补全指定代码的工具。
它能够通读整个代码仓库，制定工作计划，编辑多个文件，执行测试，并根据结果进行修正，最后整理出可供评审的变更。
这一系列工作已经能够作为一个连续的流程运行。

这并不是未来的故事。AI智能体实际参与开发流程的部分环节，如今已成为现场的可行选择。

AI智能体从“辅助”转变为推动开发流程的力量

“需求定义 → 设计 → 实现 → 测试”这些工序本身并未消失。变化在于，不再是依次各走一遍的推进方式。

只要说明目的和验收标准，AI智能体便会制定实现方案，编写代码与测试。如果运行结果有不协调之处，人员会重新审视需求或UI，智能体再次推进实现与验证。在短周期内反复进行需求、设计、实现与验证的开发方式已经成为现实。

即使人亲手逐行编写代码的时间减少，开发本身也不会因此变得不必要。
人所需要的，是决定交由AI智能体负责的范围，明确目标、约束条件和验收标准，并判断结果是否恰当。

从“会后再做”到“当场做出来并验证”

一边听取客户的需求，一边生成 UI，使其与现有的设计系统保持一致，并探讨与 API 的对接方式。根据反馈，当场调整页面和交互。以前只属于原型阶段的工作，现在已经能以接近实际开发的精度推进。

但是，页面能够运行，与能够在生产环境中安全使用，是两回事。

只有涵盖数据设计、权限管理、异常处理、性能、监控、运维和维护，才能成为可以用于实际业务的应用。
借助 AI 智能体，“做出来”的速度大幅提升，但要让系统“安心地长期使用”，设计与判断依然不可或缺。

借助 AI 智能体，让小团队推动更多工作

AI 智能体可以连续完成实现、测试、文档编写和调研，因此即使是少数人的团队，能够处理的范围也大大扩展了。

因此，设计师、前端工程师、后端工程师和测试人员之间的界限比以前更加模糊。角色并不会消失，而是朝着减少岗位之间的交接，由一个团队从判断到改进全程负责的方向转变。

与其由大量人员分段衔接工序，不如由共享上下文的小团队快速尝试，再由专家在关键环节进行把关。这种开发体制正成为切实可行的选择。

正因为能快速开发，安全才更加重要

AI 智能体不仅会提出代码建议，还能修改文件、调用外部工具，并执行测试和构建。正因为其可执行的操作范围扩大了，错误的实现或危险的修改也可能被快速推进。

除了传统漏洞之外，使用AI智能体进行开发还有一些新的注意事项，例如推荐不存在或过时的依赖包、遗漏身份认证与授权检查、敏感信息混入、权限过大、提示词注入，以及CI/CD配置被意外修改等。

因此，对于AI智能体生成或修改的代码，同样需要与人工编写的代码相同甚至更严格的明确质量关卡。

• 将授予AI智能体的权限和可访问的连接范围限制在必要的最小范围内
• 在与生产环境敏感信息隔离的环境中运行
• 通过机制化工具检查依赖关系、漏洞和许可证
• 由人工确认身份认证、授权、输入值校验以及个人信息的处理方式
• 不因测试通过就断定其安全
• 记录由谁审查并批准了变更

不能因为是AI智能体生成的就认为安全，也不能因为是AI智能体生成的就认为危险。 关键在于明确最终负责人，并在包含权限、运行环境、检查和审批的安全开发流程中使用AI智能体。

无障碍（Accessibility）无法仅凭AI智能体完成

在无障碍领域，AI智能体同样能够发挥作用。

从HTML结构解析、缺失标签检测、替代文本草拟、对比度检查、测试用例生成，到修复方案的实现，可自动化的范围正在不断扩大。这也有助于在设计和开发的早期阶段发现问题，降低修复成本。

另一方面，无障碍的许多方面无法完全由自动化判定。W3C的评估方法也强调，在借助评估工具的同时，应由具备专业知识的人员进行确认，并在必要时纳入真实用户的参与。

例如，以下几点目前仍需通过人工查看和实际操作来确认。

• 仅使用键盘能否顺畅完成操作
• 焦点的移动顺序和显示是否自然
• 屏幕阅读器能否准确传达状态变化和错误信息
• 在放大或重排（reflow）时，信息和功能是否会丢失
• 标题、链接文字和替代文本是否与上下文相符
• 真实用户能否完成预期的操作

也就是说，由AI智能体进行的自动检查与修正，和由人工进行的目视检查、操作验证以及辅助技术验证，必须配套进行。比起将无障碍性放在最后一项检查，将其纳入需求、设计、实现与测试的各个阶段，如今变得比以往任何时候都更加重要。

需要的是能够为AI智能体提供上下文与约束的技术人员

今后受到评价的，不只是能够快速编写代码的人，或是能够熟练编写提示词的人。

是能够厘清“为什么要做”“由谁使用”“以什么作为完成标准”“哪些风险不可接受”，向AI智能体提供正确的上下文与约束，设计权限与质量关卡，并能验证结果的人。

技术人员的工作正在从独自承担所有任务，转变为恰当组合AI智能体与专家，以引导质量。而对于正确性、安全性和易用性，最终承担责任的仍然是人。

作为Liberogic

我们Liberogic并不以引入AI本身为主要目的。

我们将在现代前端开发、复杂API集成、UI/UX设计以及无障碍性服务中积累的经验，转化为向AI智能体提供的上下文与约束，从而提高验证与改进的速度。

快速成型。亲手实际操作以加以确认。并且将安全性、无障碍性以及可运维性全部纳入考量，使其达到可以放心使用的状态。

不在速度与质量之间二选一，而是将精力投入到更深入的确认与更好的体验上。 这就是我们对未来开发的基本看法。

最后

应用开发已经发生了变化。

从“由人承担全部工作”的流程，

转向“人明确目标与约束，AI 智能体执行，人负责核实并承担责任”的流程。

今后需要关注的，不是是否使用 AI 智能体。
而是交付多少权限、哪些环节由人判断，以及如何将质量提升到可信赖的水平。