PR 已死？AI Coding 正从“写代码”转向“调度 Agent”

一个越来越明显的信号AI Coding 的单位正在变今天打开 CSDN 首页能看到“有事发 Prompt”“系统级 Agent Harness”“大模型时代的 IFTTT”这类话题集中出现。它们看起来来自不同产品和不同场景但背后其实指向同一个变化AI Coding 正在从“帮你写几行代码”转向“替你执行一段完整的软件工程流程”。过去我们讨论 Copilot核心是补全后来讨论 Chat核心是问答现在越来越多开发工具开始把模型、终端、浏览器、代码仓库、测试框架和 MCP 工具连在一起。此时 AI 不只是回答“这段代码怎么写”而是可以接收任务、查资料、修改文件、跑测试、观察结果再继续修正。1. 从代码补全走向任务执行传统代码补全的输入通常是一段上下文输出是一段候选代码。Agent 工作流的输入则更像任务目标例如“修复登录页在移动端的异常并确保现有测试不回归。”一个真正能工作的 Coding Agent 往往需要完成理解仓库结构与约束、定位相关文件、制定修改方案、编辑代码、运行测试或构建、根据错误继续迭代最终把变更、风险和验证结果交给人。所以未来“会不会写 Prompt”只是基础真正有价值的是能不能把任务定义清楚并给 Agent 一个可验证的执行环境。2. “PR 已死”更像一句夸张的提醒我不认为 Pull Request 会真的消失。更准确的说法是PR 的内容会变。过去开发者提交的是代码差异以后更常见的提交物可能同时包含任务描述、Agent 执行轨迹、自动测试结果、关键决策说明和最终 patch。代码仍然需要审查但审查重点会从“每一行是不是手写的”转向“这个变更是否满足需求、有没有越界、验证是否充分”。换句话说工程师的角色开始从“代码生产者”向“任务设计者 质量负责人”迁移。3. 真正拉开差距的是 Harness而不只是模型同一个模型接在不同工具链里效果可能差很多。原因很简单软件工程不是纯文本生成任务。Agent 需要看文件、改代码、调用终端、访问浏览器、读取日志、执行测试还要受到权限和目录范围约束。把这些能力组织起来的运行环境可以理解为 Agent Harness。这也是为什么 MCP、浏览器自动化、代码执行环境、测试框架、权限控制越来越重要。模型负责推理Harness 负责让推理真正落地。4. 一个更实用的 AI Coding 工作流需求 → 任务拆解 → 编码 Agent → 测试 Agent → 审查 Agent → 人工确认 → 合并 / 发布复杂任务最好拆成不同角色并让每一步都有明确的输入和验收标准。编码 Agent 只负责实现功能测试 Agent 负责验证边界条件和回归审查 Agent 检查代码风格、潜在风险和需求覆盖。最后由人决定是否接受。5. 2026 年程序员更值得补的 4 类能力第一任务描述能力。把模糊需求拆成可执行、可验证的小任务。第二验证能力。会写测试、会看日志、会设计验收标准。AI 越能写代码验证越值钱。第三工具编排能力。能把代码仓库、终端、浏览器、数据库和外部服务通过 MCP 或其他接口接起来。第四边界意识。知道哪些操作可以自动做哪些必须人工确认哪些数据可以给 Agent哪些必须隔离。结语别只学“怎么让 AI 写代码”AI Coding 的下一阶段核心并不是让模型一次生成更多代码而是让它在受控环境里完成更长的任务链。真正值得学习的不只是 Prompt也不是某一个具体编辑器而是如何设计一个可靠的 Agent 工作流任务怎么拆、工具怎么接、过程怎么验证、风险怎么收口。当这些环节被组织起来以后程序员的效率提升才会从“快一点写代码”变成“用更少的人力完成一整段工程流程”。