随着以 Cursor、Claude Code 为代表的智能编码工具普及，软件开发模式正加速向“Vibe Coding”（直觉式编程）演变，但这在多人协作场景下引发了新的工程危机。文章指出，由于团队成员使用的 AI 模型智力水平不一且缺乏统一规范，极易导致代码逻辑碎片化与风格冲突。此外，高强度的 AI 辅助使得开发者难以区分代码来源（人工还是机器生成），造成代码所有权模糊，增加了后期维护与复盘的难度。针对这一困境，文章提出了两类解决方案：一是回归软件工程本质，通过严格的前期研发设计评审、思路对齐及代码审查来规范 AI 产出；二是呼吁革新协作工具链，构建一种融合 AI 上下文的新一代 Git 工作流。该方案主张将 AI 的思考路径、提示词及改动原因自动结构化地记录在代码提交信息中，从而赋予代码仓库更强的上下文延续能力，解决人机协作中的“黑盒”问题。
事件分析
这一讨论揭示了软件开发在引入大模型技术后的结构性矛盾：现有一代协作基础设施（如 Git）是为人类设计的，其核心假设是代码变更由人类理性驱动，而 AI 编程的介入引入了“随机性”与“不可解释性”。当前的痛点在于，AI 降低了编码门槛，却抬高了代码审查与维护的认知成本。文中提出的“将 AI 上下文写入 Git”的观点极具前瞻性，预示着开发工具的演进方向。未来的版本控制系统可能不再仅记录“代码差异”，而是需要通过类似 MCP 协议或深度追踪技术，记录“模型推理链”。这不仅是效率工具的升级，更是对软件工程知识产权界定与维护责任的重新探讨，行业未来或将出现专门针对 AI 生成代码的“大脑图谱”记录工具。
核心观点：AI 编程时代的软件工程亟需重构 Git 协作范式，将模型思考链与上下文纳入版本控制，以解决“人机结对”下的代码可维护性危机。
原文链接：V2EX 分享发现
