AI Agent 编程与开发实战案例库：文档、迁移、构建与并行智能体的已核实记录
数据基础与阅读须知。 本领域共有 345 条已发布案例（2026-11-09 站内统计），本页只基于其中 10 条经逐字精读、并逐条复核来源链接可达 的案例（2026-11-09 复核，10/10 可达）。本页所有数字均为来源方口径，本站未独立复测任何结果；引用任何数字前，请回到原始来源核对口径。
这个页面向谁、承诺什么。 面向正在评估「把开发工作交给 AI agent」的工程师与技术负责人。读完这个页面，你能说清：编程与开发领域目前有哪些公开可溯的任务类型、每类任务里人站在哪一步（人工介入五分法：设定 / 备料 / 监督 / 审核 / 异常处理）、已披露的数字是谁说的、在什么条件下会失败。
任务地图
基于 10 条已核对案例，当前公开可溯的开发任务集中在六类（每类附边界句与已核对案例）：
- 文档生成与维护 — 工程讨论→文档草稿→人工逐页审。边界：概念性错误需要领域专家兜底，行数类指标最易注水。
- 例：Fern 技术写作者流程（每月约 2 万行新文档、约 500 页，作者自述，不可归因单一工具）；Aspire 跨仓库文档 PR 自动化（滚动 30 天窗口 396 次运行、82 个 PR 合并，平台方数据）。
- 深读入口：本站任务指南《AI 如何辅助技术文档更新》——单工作流深读与证据边界，本页不复述其内容。
- 大规模迁移与升级 — 遗留栈、批量微服务的框架/语言/数据库迁移。边界：「零 bug」多为移交时点状态，不是生产运行结论；总耗时与成本常被不披露。
- 例：单人 Claude Code 迁移（QA 移交 95%+ API 覆盖率、零 bug，作者自述）；Brex 180 个微服务一月迁移（单服务成本降约 90%，企业工程博客自述）。
- 小范围修复与 PR — 定义明确的单点缺陷修复。边界：复杂全栈任务仍由人重写，别把「小任务 5 分钟」外推到所有任务。
- 例：RunLLM 用 Devin 修小任务（小任务约 5 分钟人工测试；复杂全栈任务失败由人重写）。
- 从零构建与脚手架 — 新服务、全栈项目的环境与代码生成。边界：环境/依赖配置是当前最普遍的卡壳点；模糊提示词会造成不可逆误删。
- 例：Copilot agent mode 全栈实验（所有模型初期都卡在 React/Tailwind v4/ShadCN 配置）；Cursor 生成 Terraform/k8s/CI（符合规范，但一次模糊「清理」提示误删 14 个文件）。
- 并行智能体与长时运行 — 多会话/多容器分工。边界：成本与协调开销常被低估；研究原型不等于生产方案。
- 例：16 个智能体写 C 编译器（约 2,000 次会话、2 万美元 API 费、10 万行代码，作者为 Anthropic 研究员）；约 10 个并行 Claude 会话开发（索引转述，无独立验证）。
- 底层与内核级补丁 — 性能敏感的系统代码。边界：媒体转述≠合并事实；分支上的补丁生产可用性未验证。
- 例：Claude Code 起草 Linux 内核补丁（补丁仅在分支，是否进入合并窗口未定）。
想看全部 345 条未逐条核对的记录，去案例库按分类筛选；本页只保证上表 10 条的引用质量。
已核对案例对比表
| 案例（链接） | 工具 | 任务规模 | 人工介入（五分法） | 来源披露的结果 | 已披露失败点 | 证据类型 |
|---|---|---|---|---|---|---|
| Fern 文档工作流 | Devin、Claude Code | 约 500 页文档 | 审核（逐页）、异常处理（工程纠错） | 每月约 2 万行新文档（自述，未独立核实，不可归因单一工具） | PDF 导出初稿组织不符预期、遗漏更新日志；认证文档概念错误 | 用户分享 |
| Aspire 文档 PR 自动化 | GitHub Agentic Workflows | 跨仓库流水线 | 审核（逐 PR 强制批准） | 滚动 30 天窗口（2026-05-03 至 06-02）396 次运行、82 个 PR 合并、合并中位 44.8 小时（平台方口径） | 来源未披露 | 厂商自述 |
| 单人遗留系统迁移 | Claude Code | 4 仓库→2、跨语言/框架/数据库 | 审核（执行前计划审查）、监督（Confluence/Jira） | QA 移交 95%+ API、91% 前端覆盖率、零 bug；约 50 工单、580 测试通过；历时约 15 个工作日、API 令牌成本接近 5,000 美元（自述，经 AWS Bedrock） | Confluence 大页需走评论；MCP 建 Jira 链接失败需手动补 | 用户分享 |
| Brex 微服务批量迁移 | Cursor（自托管 agent 流水线） | 180 个微服务/1 个月 | 设定（Linear 工单触发）、审核（合并生产前必审 PR） | 单服务迁移成本降约 90%（基础设施与令牌成本对比工程时间）；首次人工尝试：3 名工程师一个季度仅约 50 个 | 第一次「单一巨型 agent」方案失败 | 用户分享（企业工程博客） |
| Devin 小范围修复 | Devin | 单点缺陷 | 设定（任务边界）、审核（测试与 PR） | 小任务约 5 分钟人工测试（来源称） | 复杂全栈任务失败，团队自行重写 | 用户分享（经索引转述） |
| Copilot agent mode 全栈构建 | GitHub Copilot、Claude | 从零全栈项目 | 监督（全程看护 shell 命令）、备料（规格/任务清单/指令文件） | 来源未披露完成耗时 | 所有模型初期均未完成 React/Tailwind v4/ShadCN 配置；常规安装步骤需反复人工介入 | 用户分享 |
| Cursor 服务脚手架 | Cursor | Terraform/k8s/CI 生成 | 审核（PR 审查） | 来源未披露本次耗时 | 模糊「清理」提示误删 14 个文件 | 用户分享 |
| 16 智能体写 C 编译器 | Claude Code（16 实例） | 10 万行编译器、可构建 Linux 6.9 | 设定（任务锁与运行框架）；持续参与来源未说明 | 约 2,000 次会话、2 万美元 API 费用（作者口径） | 新容器零上下文导致定向耗时；作者自称「非常早期的研究原型」 | 厂商自述（Anthropic 工程博客） |
| 并行 Claude 会话开发 | Claude Code | 约 10 个并行会话 | 设定（规格规划）；详细分工未说明 | 来源未提供可独立验证的指标 | 冲突协调、成本与覆盖未量化 | 用户分享（经索引转述） |
| Linux 内核补丁 | Claude Code | 单分支内核补丁 | 监督（Torvalds 指导方向）、审核（人工运行测量） | Phoronix 称性能影响显著（指向图表） | 补丁未合并，生产可用性未验证 | 用户分享（媒体报道） |
跨案例结论
只写这 10 条已核对案例支撑得住的判断：
- 所有量化结果都是来源方口径，本站未复测。 10/10 条如此。引用任何数字前请回到原始来源核对口径。
- 人工介入集中在「设定」与「审核」，本样本中完全无人值守的成功开发记录为 0。 最接近的 Aspire 案例也把「逐 PR 人工批准」设为强制。
- 失败模式反复出现且具体： 环境/依赖配置卡壳（Copilot 案例）、模糊提示词导致误删（14 个文件案例）、概念性错误需领域专家兜底（Fern 案例）。
- 演示 ≠ 生产。 Linux 补丁仍在分支；C 编译器作者自称研究原型；「QA 移交时零 bug」是时点状态而非生产结论。
- 数字不可轻率归因。 Fern 案例的月产 2 万行不可归因于单一工具；团队案例的增益往往同时更换了流程与工具。
怎么自己验证
- 点进对比表任一案例页，先打开「原始来源」链接：确认可达、确认统计窗口（如 2026-05-03 至 06-02）、确认作者身份。
- 看案例页的证据类型标注：「厂商自述」按宣传口径对待，「经索引转述」的条目回原始来源再核一遍。
- 把案例页数字与原始来源逐一对照，特别注意单位口径——「合并时间中位数 44.8 小时」不是生成耗时；「每月约 2 万行」不是单一工具的功劳。
- 用案例页的「试一试」提示词在自己环境跑两周试点，记录自己的错误率与人工耗时，而不是引用别人的节省数字。
- 回到本页对比表复查：本站没有复测任何数字，任何决策请用你自己试点数据替换表内数字。
下一步
- 想先试一条：从「小范围修复」或「文档 PR 自动化」入手（边界清晰、回滚便宜），按各案例页的「试一试」跑两周，记录自己的错误率。
- 想深入文档工作流：读任务指南《AI 如何辅助技术文档更新》（基于 Fern 案例的单工作流深读）。
- 想继续探索：去案例库按「编程与开发」筛选全部 345 条记录（多数未经本站逐条核对）。
- 试过之后：回首页投稿表单分享你的实践与数字，注明来源与人工介入方式。