人机协作模式

人类与 AI 的角色边界与分工

角色定义

规则：人类与 AI 在研发流程中承担不同角色，人类负责决策与兜底，AI 负责执行与加速。角色边界必须清晰，不得越权。

[Requirement] 人类是最终决策者和责任人，AI 是辅助执行者，AI 不得在无人类确认的情况下做出不可逆决策。

[Requirement] AI 的所有产出必须经过人类确认后方可进入生产环境。

[Standard] 按”决策权”和”执行权”两个维度划分人机角色。

角色矩阵

角色	决策权	执行权	说明
人类（架构师/工程师）	✅ 拥有	✅ 拥有	最终决策者，承担质量责任
AI（编码助手）	❌ 无	✅ 拥有	执行编码、测试、文档等任务
AI（评审助手）	❌ 无	✅ 辅助	提供评审建议，最终审批权在人类
AI（自动化流水线）	❌ 无	✅ 受限	仅执行预设规则，异常时中断并通知人类

人类核心职责

职责	说明	不可下放给 AI
需求决策	确定做什么、不做什么	✅
架构选型	选择技术方案和框架	✅
风险审批	安全、合规、上线审批	✅
最终评审	代码合并的最终审批	✅
故障决策	故障时的回滚/修复决策	✅

AI 核心职责

职责	说明	可自动执行
代码生成	按规范生成代码、测试、文档	✅（需人类确认）
代码搜索	定位相关代码、符号、调用链	✅
静态分析	lint、类型检查、安全扫描	✅
测试执行	运行单元测试、集成测试	✅
文档编写	生成注释、README、API 文档	✅（需人类确认）

反模式：

让 AI 决定”这个功能要不要做”
让 AI 自行审批并合并 PR
出了故障让 AI 自己决定回滚还是修复
认为”AI 说没问题就没问题”，人类不做最终确认

分工原则

规则：人机分工遵循”AI 做重复、机械、大规模的事；人类做判断、决策、兜底的事”。

[Standard] 任务分配按”确定性”和”创造性”两个维度划分：高确定性、低创造性的任务给 AI；低确定性、高创造性的任务给人类。

[Default] 推荐的人机分工比例：AI 执行 70% 的编码工作量，人类投入 30% 精力在设计、评审、决策上。

任务分配矩阵

任务类型	确定性	创造性	负责方	示例
样板代码生成	高	低	AI	CRUD 接口、DTO、序列化
单元测试编写	高	中	AI 主，人类审	正常/边界/异常用例
代码重构	中	中	人机协作	提取公共方法、重命名
算法实现	中	高	人类主，AI 辅	核心业务算法
架构设计	低	高	人类	系统拆分、技术选型
安全审计	低	高	人类主，AI 辅	漏洞分析、权限设计
Bug 排查	中	中	人机协作	定位根因、修复
文档编写	中	中	AI 主，人类审	API 文档、注释

分工决策树

任务来了
  │
  ├─ 是否涉及不可逆操作（删库/发布/权限变更）？
  │    └─ 是 → 人类负责，AI 仅提供建议
  │
  ├─ 是否有明确规范和模板？
  │    └─ 是 → AI 执行，人类审核
  │
  ├─ 是否需要业务判断或权衡？
  │    └─ 是 → 人类负责，AI 辅助分析
  │
  └─ 是否为重复性、机械性工作？
       └─ 是 → AI 执行，人类抽检

示例：

任务：实现用户注册接口

人类负责：
- 确定接口契约（路径、方法、请求/响应结构）
- 确定安全策略（密码哈希算法、邮箱验证机制）
- 最终 Code Review

AI 负责：
- 生成接口实现代码
- 生成单元测试
- 生成 API 文档草稿
- 运行 lint/测试/安全扫描

反模式：

让 AI 设计整个系统架构
让人类手写所有 CRUD 样板代码
人类不审核就直接采用 AI 生成的核心算法

协作流程

规则：人机协作遵循”人类定义目标 → AI 执行 → 人类审核 → 迭代优化”的闭环，每个闭环必须有人类确认节点。

[Requirement] 每个协作闭环必须包含至少一个人类确认节点（Checkpoint），无确认不得自动推进。

[Standard] 协作流程分为 5 个阶段，每阶段有明确的人机交互点。

五阶段协作流程

┌──────────────┐
│ 1. 需求定义   │  人类：明确需求、验收标准
│   (人类主导)  │  AI：辅助澄清、补充边界场景
└──────┬───────┘
       ▼
┌──────────────┐
│ 2. 方案设计   │  人类：确定技术方案、架构决策
│   (人类主导)  │  AI：提供候选方案、分析利弊
└──────┬───────┘
       ▼
┌──────────────┐
│ 3. 编码实现   │  AI：生成代码、测试、文档
│   (AI 主导)   │  人类：关键节点确认、答疑
└──────┬───────┘
       ▼
┌──────────────┐
│ 4. 验证评审   │  AI：执行自动化检查
│   (人机协作)  │  人类：Code Review、逻辑确认
└──────┬───────┘
       ▼
┌──────────────┐
│ 5. 发布上线   │  人类：最终审批、发布决策
│   (人类主导)  │  AI：执行发布脚本、监控
└──────────────┘

协作中的交互模式

模式	说明	适用场景
问答式	人类提问，AI 回答	技术咨询、方案讨论
生成式	人类给需求，AI 生成代码	编码、测试、文档
审查式	AI 生成后，人类审查	Code Review、质量把关
迭代式	多轮”生成-反馈-修改”	复杂需求、渐进完善
代理式	人类授权 AI 执行一系列操作	重复性任务、明确规则的任务

示例：

迭代式协作示例：

人类：实现用户注册接口，要求邮箱唯一。
AI：[生成代码 v1]
人类：v1 没有处理邮件发送失败的情况，补充一下。
AI：[生成代码 v2，增加邮件失败的异常处理]
人类：v2 邮件失败时整个注册回滚了，改成记录日志但不回滚。
AI：[生成代码 v3，邮件失败仅记录日志]
人类：v3 可以，提交 PR。

反模式：

人类把需求扔给 AI 后完全不管，等 AI 自己做完
AI 生成后人类只看一眼就 Approve，不认真 Review
协作中没有确认节点，AI 一路自动执行到上线

边界红线

规则：人机协作存在不可逾越的红线，以下事项必须由人类亲自完成，AI 不得代劳。

[Requirement] 红线事项无例外，任何场景下 AI 不得自动执行，必须人类手动操作并确认。

红线事项清单

编号	红线事项	原因	必须人类操作
H1	生产环境发布审批	影响线上稳定性	✅
H2	数据库结构变更（DDL）审批	不可逆、影响数据	✅
H3	权限/鉴权代码变更审批	安全风险	✅
H4	密钥/凭证的生成与轮换	安全风险	✅
H5	生产数据的导出与删除	数据合规	✅
H6	故障应急决策（回滚/扩容）	影响面大	✅
H7	法律合规相关决策	法律责任	✅
H8	第三方依赖引入审批	供应链安全	✅

边界判定原则

是否触碰红线？
  │
  ├─ 操作是否不可逆？ → 是 → 红线
  ├─ 操作是否涉及生产数据？ → 是 → 红线
  ├─ 操作是否涉及安全权限？ → 是 → 红线
  ├─ 操作是否影响线上稳定性？ → 是 → 红线
  └─ 以上都否 → AI 可辅助，人类确认

示例：

# 允许：AI 生成 DDL 脚本，人类审批后执行
AI: 这是添加 user 表的迁移脚本，请确认后执行。
人类: [审查脚本] 确认，执行。

# 禁止：AI 直接在生产库执行 DDL
AI: 检测到表结构需要变更，已自动执行 ALTER TABLE。
→ ❌ 红线违规

反模式：

让 AI 自动审批生产发布
AI 自动执行数据库迁移
AI 自动轮换生产环境密钥
AI 自动导出用户数据做”分析”

效率优化

规则：人机协作的效率优化目标是”让 AI 做更多，让人类做更有价值的事”，通过标准化上下文、模板化 Prompt、自动化校验来提升协作效率。

[Standard] 团队应沉淀”高频任务 Prompt 模板”，减少重复沟通成本。

[Standard] 将重复性的校验步骤自动化（lint/测试/安全扫描），人类只处理自动化发现的问题。

[Suggestion] 定期复盘人机协作中的低效环节，优化 Prompt 和流程。

[Suggestion] 建立团队级 AI 使用最佳实践库，共享高效的协作模式。

效率优化手段

手段	说明	预期收益
Prompt 模板化	高频任务沉淀模板	减少 50% 沟通时间
上下文标准化	统一项目上下文注入方式	减少 AI 理解偏差
校验自动化	lint/测试/安全全自动	人类只看异常结果
代码片段库	沉淀常用代码模式	AI 生成更符合规范
评审清单化	Code Review 使用 Checklist	评审效率提升 30%

协作效率指标

指标	定义	目标值
AI 代码采纳率	AI 生成代码被合入的比例	≥ 70%
单次评审耗时	人类 Review 一个 PR 的平均时间	≤ 30 分钟
需求到上线周期	从需求确认到上线的时间	缩短 40%
AI 返工率	AI 生成代码被要求修改的比例	≤ 30%

示例：

优化前：
人类："帮我写个接口"
AI：[生成代码，但不符合项目规范]
人类："不对，我们用的是 SQLAlchemy 2.0，参数名要 snake_case"
AI：[重新生成]
人类："测试呢？"
AI：[补充测试]
...（来回 5 轮）

优化后（使用模板 + 标准上下文）：
人类：[选择"新增接口"模板，填写参数]
AI：[一次性生成符合规范的代码 + 测试 + 文档]
人类：[Review，1 轮通过]

反模式：

每次都从零开始写 Prompt，不使用模板
人类手动跑 lint、跑测试，不做自动化
不沉淀团队的 AI 使用经验，每个人自己摸索