AI Coding 已死，"环境与验证"当立
Published on 2026-09-03
AI Coding 的瓶颈已不在 Coding：Auto Mode 被 80% 攻破、AGENTS.md 之争、Vercel/Docker Sandbox 工业化是同一件事的三个切面。SOTA 模型在 SWE-bench 上冲到 80%，但生码只占研发链路 20%~30%，真正战场在环境与验证。
AI Coding 已死，"环境与验证"当立
2026 年 8 月 27 日，prompt injection 研究员 Johann Rehberger 公开了对 Claude Code Auto Mode 的攻击：80% 成功率[^F05]。比成功率更让人后背发凉的是，Claude 在多次运行中自己识别出自己被攻陷了——它察觉到 import
base64会顺带执行本地struct.py——但 Auto Mode 的安全分类器拦截了 Claude 试图清理恶意进程的命令。
安全机制把自家门将球挡进球门，这件事是 2026 年下半年 AI Coding 行业最具代表性的一幕：模型够强、推理够锐，但中间夹的一层 LLM 分类器，把"自治能力"切走了一半。
同期 Shopify CEO Tobi Lütke 在 X 上发难：考虑在 Shopify 全公司禁用 Claude Code，原因是 Claude Code 只读取 CLAUDE.md，与 OpenAI Codex、Cursor、Amp 已广泛支持的 AGENTS.md 不兼容。同一份 monorepo 里用 Claude Code 的开发者拿到的是一套规则，用 Codex 的拿到另一套。Lütke 把这称为**"不应该由开发者承担的愚蠢的复杂性税"**。
这两件事不是孤立事件。它们是同一件事的两面：AI Coding 的瓶颈，已经不在 Coding。
Coding 在被解决，但研发没有变快
2026 年 7 月快照里，SOTA 模型在 HumanEval、LiveCodeBench、SWE-bench Verified 上早就刷到高位；即使是更复杂的 SWE-bench Pro 和 Terminal-Bench 2.1，"也已经冲到 80% 上下"。Claude Code 作者 Boris Cherny 在一次访谈里直接说"Coding 已经被解决"——单看 benchmark，这句话基本成立[^F02]。
但是模型能力这一端在狂飙，研发整体效率那一端呢？至少在淘天交易团队是没涨。他们给出一个具象化案例：一个 C 端用户动线改造需求，终端改码加本地验证，1 个小时就能搞定；但要让它在线上生效，涉及多个内部平台的关联发布，又恰好遇上 618 封网期，实际用了 3 周才真正上线[^F02]。
按该团队内部的粗略统计，生码在整个研发链路里只占 20%~30%，甚至可能更少[^F02]。这刚好是阿姆达尔定律的标准场景——把一个占三成的环节压缩到接近零，整条链路的提升上限也只有三成。Coding 越被解决得彻底，Coding 之外的部分就越成为新的瓶颈。
另一个常被提到的原因是"模型缺少企业内部业务知识"，以及"benchmark 分数高不等于生产可用"。这两点都对，但它们指向同一个方向：瓶颈不在 Coding，在 Coding 之外。
为什么偏偏 Coding 先被解决
表面的答案是 coding 有海量公开代码、公开 issue、公开评测，训练数据便宜。更深一层的规律是：AI 总是优先解决那些反馈公开、验证可以规模化的问题。
coding 和数学最先被突破，不是简单，是因为它们是少有的"对错机器自己就能判"的领域——编译是否通过、测试是否通过，跑一下就知道。AlphaGo 能自己下棋、自己复盘，因为胜负的反馈函数天然存在[^F02]。
这条规律指向一个残酷的推论：AI 的能力边界，由"可验证的反馈"决定。 凡是能跑出来判对错的，AI 就会先冲过去；凡是反馈藏在内部系统里、验证一次成本极高的，AI 就慢得多。
企业级生产环境里，答案藏在内部的各个研发系统里——CI 流水线的真实状态、灰度发布的成功率、生产监控的指标异动、内部契约测试的结果——这些反馈没有一个是公开的，每一个的获取成本都不低。
所以，真正决定一家公司能从 AI Coding 拿到多少红利的，不是"我们用了哪个最强模型"，而是**"我们有多少反馈能以低成本暴露给 AI"**。