← 返回免费内容库
AI 编程约 6 分钟2,154 字

AI编程完整项目通过率仅27%？我用这3个方法提到90%

从完整项目失败率出发，讲如何用需求拆分、验收标准和迭代闭环提升 AI 编程的可交付性。

AI编程完整项目通过率仅27%？我用这3个方法提到90%

大家好，我是孟健。

最近36氪报道了一个扎心的研究：上海交大联合多校发布了ProjDevBench基准测试，评估Cursor、GitHub Copilot、Claude Code等六大AI编程工具从零构建完整项目的能力——总体提交通过率仅27.38%。

看到这个数字，很多人可能会说："看吧，AI编程就是噱头。"

但作为一个每天用Claude Code和Cursor写代码8小时以上的人，我的真实体感是：方法对了，完整项目的通过率可以到90%以上。

今天不聊理论，直接拆解我在实战中总结的3个关键方法。

先看研究说了什么

ProjDevBench的核心发现：

  • 六种主流编程Agent的总体提交AC率仅27.38%
  • 从"补全现有代码"变为"从零构建"时，性能断崖式下跌（比如GitHub Copilot从71分跌到36分）
  • 交互轮次与性能呈强负相关（-0.734）——Agent越挣扎，结果越差
  • 41.86%的提交是Wrong Answer，17.46%直接编译错误

这些数据是真实的。但问题在于：这个基准测试模拟的是"把需求甩给AI，让它自己搞定"的场景。

现实中，没有哪个高效的AI编程工作流是这样的。

方法一：写好AGENTS.md，让AI理解你的项目

这是我认为最被低估的一步。

大多数人用AI编程，上来就说"帮我写一个XXX"。AI不了解你的项目结构、代码规范、技术栈偏好，当然会乱写。

我的做法：每个项目根目录放一个AGENTS.md（Claude Code原生支持），里面写清楚：

## 项目概述
这是一个Next.js 14 + TypeScript + Prisma + PostgreSQL的SaaS应用

## 代码规范
- 组件用函数式 + hooks
- API路由用app router
- 数据库操作全部走Prisma
- 错误处理用自定义ErrorBoundary

## 目录结构
src/
  app/          # 页面和API路由
  components/   # React组件
  lib/          # 工具函数和配置
  prisma/       # 数据库Schema

## 测试要求
- 每个API路由必须有对应的测试
- 用vitest + testing-library

效果：AI生成的代码直接符合项目规范，不需要反复纠正风格问题。我做ShipSolo（shipsolo.io）的时候，有AGENTS.md的模块，一次通过率从约40%提升到85%以上。

💡 Cursor用户可以用.cursorrules实现类似效果，原理一样。

方法二：任务拆解到"原子级"

研究里最关键的发现是：交互轮次越多，性能越差。

这说明什么？AI在复杂任务上会陷入"试错循环"——改了A出现B的bug，修B又把C弄坏了。

我的对策：绝不让AI一次做超过一个功能点。

举个例子，如果我要做一个"用户注册+邮箱验证+个人资料页"的功能，我不会说"帮我实现用户系统"。

我会拆成：

  1. "创建User的Prisma model，包含email、name、password、emailVerified字段"
  2. "写POST /api/auth/register路由，接收email+password，hash密码后存库"
  3. "写邮箱验证的token生成和验证逻辑"
  4. "写GET /api/auth/verify路由"
  5. "写注册页面的React组件和表单"

每一步都是独立可验证的。AI完成一步，我确认没问题，再给下一步。

这不是效率低，这是效率高。 因为你避免了AI在复杂任务上的指数级错误累积。

用这个方法，我一个人+AI，一个月做了近30个小产品。这在纯手写代码时代是不可想象的。

方法三：测试驱动 + 人机协作循环

研究团队发现，AI的主要失败模式是Wrong Answer（41.86%）和编译错误（17.46%）。

这两类问题，测试驱动开发（TDD）可以拦截80%以上。

我的工作流：

  1. 先让AI写测试："给这个API写3个测试用例：正常注册、重复邮箱、密码太短"
  2. 再让AI写实现："现在写register路由的实现，确保通过上面的测试"
  3. 跑测试，看结果
  4. 如果失败，把错误信息喂给AI："测试2失败了，错误是xxx，修一下"

这个循环通常2-3轮就能搞定。

关键在于：你不是把所有事交给AI，而是用测试作为"护栏"。AI负责写代码的苦力活，你负责定义"什么是对的"。

研究里AI通过率低的一个重要原因是：它们在没有测试反馈的情况下"盲写"。一旦你给它明确的测试信号，效果完全不同。

为什么27%和90%可以同时是真的？

因为工具的上限取决于使用者的方法。

就像给你一把好锤子，你可以拿它砸钉子，也可以拿它砸自己的脚。

ProjDevBench测的是"AI自己做"的场景。而我说的90%，是"人+AI协作"的场景。

这3个方法的本质是：

  • AGENTS.md = 给AI足够的上下文
  • 任务拆解 = 控制AI的复杂度边界
  • TDD循环 = 提供明确的对错信号

它们不是什么高深的技巧，但组合起来，效果是质变的。

写在最后

AI编程的确没有一些营销号吹的那么神。"零代码构建完整项目"在当前阶段还是有很多限制的。

但如果你掌握了正确的方法，AI确实可以让一个人拥有一个团队的产出。

我从腾讯T11到字节3-1，又到全职用AI编程创业，半年做了30+产品，公众号从0到15000+粉丝——这些不是AI自动完成的，是人+AI协作完成的。

不要问"AI能不能替代程序员"，要问"你会不会用AI"。