验证与返工成本

验证与返工成本是 AI 在软件开发中最大的隐性成本。AI 生成速度快，但验证其正确性、修复其错误所花费的人力成本（尤其是高级工程师的时间）可能远超其带来的效率提升。

量化数据

• Faros AI：高 AI 采用团队中，PR review 时间增加 91%，PR 体量增加 154%，bug 也在增加。
• Anthropic 内部：许多工程师 70% 以上的时间在审查和修改 AI 输出。

核心矛盾

• 写代码变快了，但交付并没有等比例变快。
• AI 非常努力，也非常会生成，但经常在错误的方向上高强度勤奋。
• 团队里最贵的那批人，开始把时间花在"确认 AI 有没有闯祸"上，而不是继续往前推进关键设计。

管理方法

• 列假设：让 AI 按假设树逐项验证，减少盲目尝试。
• 设止损机制：同方向失败两次，强制切换路径，避免 AI 在错误分支上浪费 token。
• 沉淀 Skill：将重复流程标准化，减少每次的验证成本。