本文永久链接 – https://tonybai.com/2026/02/21/compound-engineering-ai-native-software-development-philosophy

大家好，我是Tony Bai。

在 2024 年和 2025 年，开发者们经历了一场狂欢。从 GitHub Copilot 到 Cursor，再到 Claude Code，我们习惯了通过自然语言生成代码。然而，随着项目规模的扩大，许多团队发现了一个尴尬的现象：AI 带来的加速度开始衰减。

为什么？因为传统的软件开发是线性的。你解决了一个 Bug，写了一个功能，代码库变大了，但也变得更复杂了。复杂度是软件工程的头号杀手。在传统模式下，新功能的开发往往是对旧代码的妥协。

而在 AI 辅助开发中，如果我们只是把 AI 当作一个更快的打字机，我们只是在以更快的速度制造“遗留代码（Legacy Code）”。每一次对话结束后，AI 对项目的理解（Context）往往随着会话窗口的关闭而重置。下一次，你不仅要重新解释需求，还要面对上次 AI 生成的、你可能都没完全读懂的代码。

Every.to 发布的最新报告《Compound Engineering: The AI-native engineering philosophy》中提出了 “复利工程（Compound Engineering）”，正是为了解决这个问题而生。这是一种哲学——如何让每一次开发迭代，都成为系统智慧的积累，而非技术债务的堆叠。它的核心理念颠覆了我们对软件资产的定义：代码本身不再是最重要的资产，系统对业务逻辑、设计规范和架构决策的“记忆”才是。

本文将深度拆解这一理念，探讨如何构建一个能够“自我进化”的 AI 开发系统。

什么是复利工程？

复利工程是一种 AI 原生的工程哲学。它要求我们将开发过程视为一个闭环系统，每一次迭代不仅要交付功能，更要沉淀知识。

在这个体系中，软件开发不再是简单的“编写代码”，而是由四个步骤组成的无限循环：

Plan（规划）-> Work（执行）-> Review（审查）-> Compound（复利/沉淀）

这看似普通的四个词，在 Agentic AI（智能体式 AI）的加持下，拥有了全新的含义。

在传统开发中，工程师是全能工匠。而在复利工程中，工程师晋升为“系统架构师”和“智能体指挥官”。

  • 旧模式：工程师思考 -> 编写 Spec -> 工程师写代码 -> 工程师 Review -> 迭代。
  • 新模式：工程师定义目标 -> 智能体规划 -> 智能体集群并发执行 -> 智能体集群多维审查 -> 系统自动沉淀知识 -> 工程师验收。

这种转变要求我们放弃对“手写每一行代码”的执念，转而专注于如何教 AI 学会我们的品味（Taste）和规范。

深度拆解：复利工程的四大循环

让我们深入技术细节，看看这四个步骤是如何在实际的 AI 原生工作流中落地的。

第一步：Plan（规划）—— 模糊性的消亡

在 AI 开发中，模糊是最大的敌人。如果需求描述不清，AI 会用幻觉填补空白，导致灾难性的后果。

复利工程要求在写第一行代码前，进行极度详尽的规划。但这不再需要工程师耗费数小时。

通过 workflows:brainstorm 和 workflows:plan 等指令，我们可以让 AI：

  1. 理解需求：不仅仅是“做什么”，更是“为什么做”以及“有哪些限制”。
  2. 研究代码库：AI 自动扫描现有架构，确保新功能不会破坏原有逻辑。
  3. 外部调研：自动查阅框架文档、最佳实践，甚至 StackOverflow 的解决方案。
  4. 设计方案：输出一份详尽的 PLAN.md。

这个阶段的产出物不是代码，而是决策。工程师的职责是在这个阶段介入，确认 AI 的路径是否正确。只要 Plan 是对的，执行只是算力问题。

第二步：Work（执行）—— 并发与隔离

这是复利工程最“暴力美学”的部分。

传统的开发者一次只能写一个文件，修一个 Bug。但在 Agent 原生架构中，我们可以利用 Git Worktree 或分支技术，实现并发执行。

通过 workflows:work，系统可以：

  1. 创建隔离环境：为每个任务创建一个独立的分支或 Worktree。
  2. 自动执行：AI 根据 Plan 编写代码。
  3. 自我验证：自动运行 Linter、Type Checker 和单元测试。
  4. 进度追踪：实时监控任务状态。

这彻底改变了“速度”的定义。速度不再取决于你的打字速度，而取决于你能同时指挥多少个 Agent 并行工作。

第三步：Review（审查）—— AI 审查委员会

这是质量控制的核心。在复利工程中，Review 不再仅仅依赖疲惫的同事，而是由一个专门训练的 Agent 审查委员会先行把关。

Every 的实践中，workflows:review 会唤起 14 个以上的专业 Agent，每个 Agent 佩戴不同的“透镜”：

  • Security Sentinel（安全哨兵）：扫描 SQL 注入、权限绕过等 OWASP 漏洞。
  • Performance Oracle（性能先知）：寻找 N+1 查询、无效索引、内存泄漏风险。
  • Data Integrity Guardian（数据完整性卫士）：确保事务边界正确，数据迁移安全。
  • Code Simplicity Reviewer（代码极简主义者）：强制执行 YAGNI 原则，删除过度设计的代码。
  • Design Sync（设计同步者）：对比 Figma 设计稿与实现代码的像素级差异。

这些 Agent 不会疲倦，不会因为人情世故而放水。它们会输出一份包含 P1 (Critical) 到 P3 (Nit) 的详细报告。工程师只需要做最后的“法官”，决定是否合并。

第四步：Compound（复利）—— 灵魂所在

这是大多数 AI 工作流缺失的一环，也是“复利工程”得名的原因。

仅仅完成任务是不够的，我们必须让系统变得更聪明。

在 workflows:compound 阶段，系统会执行以下操作：

  1. 捕获解决方案：AI 刚刚解决了什么难题？它是如何解决的？
  2. 知识结构化：将这些隐性知识（Tacit Knowledge）转化为显性的文档、规则或 Skill。
  3. 更新系统记忆：
    • 更新 CLAUDE.md：将新的代码规范、最佳实践写入系统级 Prompt 文件。
    • 创建新的 Skill：如果发现某个操作是重复的（例如“生成数据库迁移脚本”），自动将其封装为一个可复用的 Skill。
    • 优化检索标签：确保这些新知识在未来的任务中能被 RAG 系统准确检索到。

随着时间的推移，你的 AI 队友越来越懂你。它不再会犯同样的错误，不再需要你重复解释“我们团队使用 Kebab-case 而不是 CamelCase”。系统随着开发而生长，这就是复利。

必要的信念重塑：我们要遗忘什么？

要实施复利工程，技术栈的升级只是表象，更难的是工程师思维模式的转变。报告中列举了我们需要“遗忘”和“采纳”的信念。

需要遗忘的旧信念

  1. “代码必须由人手写”
    • 新现实： 你的工作是交付价值，代码只是中间产物。只要代码是可维护、可测试、符合规范的，谁写的并不重要。
  2. “每一行代码都需要人工审查”
    • 新现实： 这是瓶颈所在。对于常规逻辑，应信任自动化的 Agent Review 体系，人类只审查关键的架构决策和高风险逻辑。
  3. “第一次尝试必须是完美的”
    • 新现实： AI 的边际成本极低。即使 AI 写了 95% 的垃圾代码，只要我们有机制快速筛选出那 5% 的精华，也是值得的。迭代速度 > 初始质量。
  4. “写代码不仅是工作，更是自我表达”
    • 新现实： 这是一个痛苦的割舍。在商业软件开发中，我们要追求的是标准化和效率。将自我表达留在业余项目或架构设计中，而不是具体的实现细节里。

需要采纳的新信念

  1. “将你的品味（Taste）提取到系统中”
    • 你对代码的审美、对架构的洁癖，不应该只存在于你的脑子里，而应该变成 CLAUDE.md 中的规则，变成 Lint 的配置，变成 Agent 的 System Prompt。
  2. “50/50 法则”
    • 未来工程师的时间分配应该是：50% 用于规划（Planning）和沉淀（Compounding），50% 用于执行（Implementation）。以前这个比例可能是 10% / 90%。
  3. “环境必须是 Agent-Native 的”
    • 如果一个任务（如运行测试、查看日志、截屏）人类能做但 Agent 做不了，那就是架构的缺陷。必须为 Agent 提供全套的 CLI 工具和 API 接口。

进阶实战：不仅是代码

复利工程的威力不仅限于后端开发，它正在渗透到软件生产的每一个环节。

Vibe Coding 与设计

对于前端和设计领域，报告提出了 “The Baby App Approach”（婴儿应用法）。

与其在庞大的生产库中小心翼翼地修改 UI，不如让 Agent 快速生成一个独立的、抛弃型的原型应用（Baby App）。

在这个沙盒中，你可以通过自然语言极速迭代设计（Vibe Coding），直到满意为止。然后，通过 Design Agents 提取其中的设计系统（颜色、间距、组件模式），再将其应用回主代码库。

这解决了“在屎山上雕花”的风险，让创新变得零成本。

用户研究与角色模拟

传统的用户研究耗时耗力。在复利工程中，我们可以创建 Persona Agents（角色智能体）。

将用户访谈记录、通过 Descript 转录的文本喂给 AI，构建出代表典型用户的 Agent（如“忙碌的营销经理 Sarah”）。

在开发新功能时，先让 Sarah Agent 试用并反馈：“这个仪表盘数据太多了，我早上只有 5 分钟时间看，这对我没用。”

这缩短了反馈循环，从几周（等待用户测试）缩短到几分钟。

市场与文档

Copywriting Agent 可以学习你过往所有的博文和文档，掌握你的语调（Voice）。

Changelog Agent 可以监控 Git Commit，自动生成发布说明。

这些都不是简单的生成，而是基于“复利”——它们知道哪些功能是用户关心的，哪些只是底层重构，从而写出真正有价值的文档。

如何开始？成熟度模型

实施复利工程不可能一蹴而就。Every 提出了一个 0 到 5 的成熟度模型，你可以对照自查：

  • Stage 0: 手工开发 (Manual)
    • 纯手写，StackOverflow 是主要帮手。
  • Stage 1: 基于聊天的辅助 (Chat-based)
    • 使用 ChatGPT 或 Claude 网页版，复制粘贴代码。效率提升，但上下文割裂。
  • Stage 2: 逐行审查的 Agent 工具 (Agentic Tools)
    • 使用 Cursor Composer 或 Claude Code。AI 可以读取文件、修改代码，但人类仍需像保姆一样盯着每一步。这是目前大多数 Early Adopter 所处的阶段。
  • Stage 3: 计划优先，PR 级审查 (Plan-first, PR-only review)
    • 关键跃迁点。 人类只参与 Planning 和最终 PR Review。中间过程由 AI 自主完成。开始建立 CLAUDE.md 等沉淀机制。
  • Stage 4: 从想法到 PR (Idea to PR)
    • AI 自主进行调研、规划、执行、自我审查。人类只需给出一个模糊的想法。
  • Stage 5: 云端并发执行 (Parallel Cloud Execution)
    • 脱离本地机器，Agent 在云端沙箱中并发运行。你喝着咖啡，手机上收到 5 个已完成功能的 PR 通知。

你的目标，应该是尽快从 Stage 2 跨越到 Stage 3。

小结：拥抱从量变到质变的飞跃

复利工程的核心不在于某个具体的 Prompt 或工具，而在于“积累”。

在传统开发中，随着项目老化，开发速度必然下降（熵增定律）。

但在复利工程中，随着 Skill 的积累、CLAUDE.md 的完善、测试覆盖率的提升，开发速度是加速的。你的系统越庞大，AI 可用的“积木”越多，它构建新功能就越快。

这是一种反直觉的体验，也是 AI Native 时代最大的红利。

正如报告中所说：“Ship more value. Type less code.”（交付更多价值，少敲代码。）

这不仅是愿景，更是每一位工程师在这个时代保持竞争力的必经之路。

开始行动吧，别让你的代码库只有“债务”，没有“复利”。

资料链接：https://every.to/guides/compound-engineering

你处在哪个 Stage？

对照文中的“成熟度模型”，你目前的 AI 协作处于第几阶段？在你的开发流中，是否已经开始尝试利用 CLAUDE.md 或自定义 Skill 来实现“知识沉淀”？你认为“代码不再是最重要资产”这一观点激进吗？

欢迎在评论区分享你的 2026 进化心得！

还在为“复制粘贴喂AI”而烦恼？我的新专栏 《AI原生开发工作流实战》 将带你：

  • 告别低效，重塑开发范式
  • 驾驭AI Agent(Claude Code)，实现工作流自动化
  • 从“AI使用者”进化为规范驱动开发的“工作流指挥家”

扫描下方二维码，开启你的AI原生开发之旅。

你的Go技能，是否也卡在了“熟练”到“精通”的瓶颈期？

  • 想写出更地道、更健壮的Go代码，却总在细节上踩坑？
  • 渴望提升软件设计能力，驾驭复杂Go项目却缺乏章法？
  • 想打造生产级的Go服务，却在工程化实践中屡屡受挫？

继《Go语言第一课》后，我的《Go语言进阶课》终于在极客时间与大家见面了！

我的全新极客时间专栏 《Tony Bai·Go语言进阶课》就是为这样的你量身打造！30+讲硬核内容，带你夯实语法认知，提升设计思维，锻造工程实践能力，更有实战项目串讲。

目标只有一个：助你完成从“Go熟练工”到“Go专家”的蜕变！ 现在就加入，让你的Go技能再上一个新台阶！

商务合作方式：撰稿、出书、培训、在线课程、合伙创业、咨询、广告合作。如有需求，请扫描下方公众号二维码，与我私信联系。

© 2026, bigwhite. 版权所有.

Related posts:

  1. 继 MCP 之后，Anthropic 再放大招：Agent Skills 正式发布为开放标准！
  2. Claude Code 创始人亲授：解锁 10 倍效率的 10 个“隐藏技能”
  3. Claude Code 官方最佳实践：50 条没人告诉你的“核心军规”
  4. HashiCorp创始人Mitchell Hashimoto 的 Agentic Engineering 实战心法
  5. 别再“Vibe Coding”了：2025 年专业开发者是如何驾驭 Coding Agent的？