AI 编程成熟度曲线：团队普遍并行运行三个阶段

AI 编程工具的采用并非沿单一阶梯线性推进——多数团队同时身处三个不同成熟度阶段，这是与数百支软件团队长期访谈后得出的核心观察。

从编辑器补全到自主循环的三阶段路径

作者将当前软件团队使用 AI 编码代理的现状映射到完整的开发生命周期中，提炼出一条成熟度曲线。

第一阶段是自动补全。模型在编辑器内实时补全代码，开发者在编写、调试、审查环节与模型协作，这一阶段几乎无人反对，被普遍视为「标配」。
第二阶段是提示式编码代理。代理主导开发环节，开发者的角色转向方向把控与代码审查。当前多数团队停留在此阶段，观察显示普通开发者平均每周在 Claude Code 等工具上花费约 20 小时。
第三阶段是循环工程。代理按自身节奏运行并深度接入团队系统，接近完全自主，剩余的审查环节承受最大压力。多数团队正向这一方向推进，且单开发者投入预算不降反升。

最值得关注的发现是：大多数团队并非逐级爬升，而是在同一时间并行运行全部三个阶段——在一个代码仓库使用自动补全，在另一个仓库让代理构建完整功能，同时针对自有基础设施试验代理循环。这一现象在同一个 sprint 中也屡见不鲜。

共同的方向同样清晰：团队普遍愿意将更多自主权交给代理，把重复性与机械化的工作交出去，让人专注于仍需人类判断的环节。多数团队的推进程度比自身意识到的更深。

进入循环工程的常见路径并不戏剧化：代理监听生产日志或 bug 报告后自动提交合并请求，与团队既有的提示式工作流并行运行。但随之而来的代码吞吐量已迫使团队重写原本为「人一次一 PR」设计的 git 流程，以适配代理的持续提交。

与此同时，无节制扩展代理规模的团队往往在数月后付出代价——以技术债累积和资源消耗的形式显现，而非上线首日即可见。循环工程放大了对治理、记忆管理与成本控制的需求，团队在推进前需补齐相应基础设施，否则容易在规模化阶段遭遇熵增与运维成本失控。