EY 安永团队接入 AI Agent 后编码效率提升 4-5 倍，但他们踩过的坑更值得参考

看完 EY（安永）的 AI Agent 实践，只想说：能生成代码不等于能部署代码。

EY 的产品开发团队通过连接 AI Agent 到内部代码仓库、工程标准和合规框架，实现了 4-5 倍的生产力提升。但他们也踩了不少坑，这些经验比数字更有价值。

核心洞察：上下文宇宙

Stephen Newman（EY Global Client Technology Engineering Leader）说得好：

"Coding agents can generate thousands of lines of code in minutes. The problem: most of it can't be deployed."

Agent 需要访问他称之为 "context universe"（上下文宇宙） 的东西：

• 代码仓库
• 工程标准
• 源目录
• 合规框架

没有这些，AI 生成的只是需要大量返工的通用代码。

他们的实践路径

第一步：文化先行

• 从 GitHub Copilot 开始，让工程师习惯 prompt engineering
• 关键是自下而上的有机采用，而非领导强制

第二步：工具选型

• 测试了 Lovable、Replit、Factory
• 不强制指定工具，而是测量采用率、使用量和生产力
• 开发者自发选择了 Factory，"took off like wildfire"

第三步：任务分类

高自主性任务（Agent 处理）：

• 代码审查
• 文档编写
• 缺陷修复
• 新功能开发

需人工监督的复杂任务：

• 大规模重构
• 架构决策
• 跨系统集成

角色转变

工程师从执行者变成了编排者（orchestrators），指挥 Agent 访问正确的数据库和仓库。

最扎心的一点：4-5 倍的提升不只是工具的功劳，而是试错过程 + 文化行为转变的综合结果。

看完只想说：AI 不是魔法，上下文才是。