Ask HN: 如何硬化AI生成代码以升级百万行遗留SaaS
一位非软件工程师在Azure上对一个拥有100万行代码、15年历史的C#和React遗留SaaS系统进行实验，目标是利用Agentic开发模式在9月前产出一个可供客户测试的原型。由于缺乏全职开发人员，核心挑战是如何在工程师正式评估前，主要通过AI工具和手动测试，最大化AI生成代码的健壮性和可审查性，使其尽可能接近生产级。 规划阶段包括：编写PRD，使用LLM将其转换为架构文档（经架构师评审），利用Claude Design创建产品设计，并由Agent将工作分解为史诗（经评审）。开发流程高度自动化：规划Agent将史诗转换为故事文件和Jira任务；编码Agent负责实现故事、编写测试并提交PR；审查Agent负责PR审查、请求修改和合并。Agent设有“停止并询问”机制处理无法自主决策的问题，并每日进行端到端手动测试。大部分实现和初步审查由基于Claude的Agent完成，高风险PR则额外使用Codex进行审查。 整个环境设置和Agentic流程耗时约两周，随后Agent在两周内完成了整个MVP的开发，生成了1.3万行功能代码及等量的测试代码。原文作者寻求建议，如何在工程师审查前，在有限的开发者参与下，最大程度地提升代码质量，使其更接近“复制粘贴”即可投入生产的水平。 作者提出了几个关键问题，包括：哪些检查或开发循环能最大程度提高信心？如何利用独立Agent或模型减少编码者和审查者犯相同错误假设的风险？测试是否应由独立于实现代码的Agent生成？哪些文档或证据能加速并提高工程审查的可靠性？以及在仅有几周时间改进原型的情况下，应优先考虑什么。这一案例为中国开发者和AI创业者展示了AI Agent在大型遗留系统改造中的潜力与挑战，强调了自动化开发流程的效率，同时也指出了在代码质量、测试策略和跨Agent协作审查方面仍需深入探索和硬化的实际问题。