读到一篇文章，感觉写的很好
四象限图
1.业级业务研发领域还没有产生颠覆式提效（流程、角色职责未变化），大多还是工具本身的升级，很多时候依赖程序员的“手艺”。
是因为企业级研发AI Coding处于第一象限（双高），AI的代码能力上限高、Agent发展快
2.从“目标传达复杂度”和“执行复杂度”两个维度构成四象限，来判断适合AI化的场景。执行复杂度高的场景AI更有发挥空间，潜在收益更大，这点需要和传统自动化区别开来（反大多数人直觉）。“人 -> AI -> 系统”这条链路上，两个环节都很重要，两个核心环节都需要关注，避免只看到后者的收益（AI执行任务）而忽略了前者（人类向AI传达任务目标）的成本。如果一个场景解决前者的长期成本大于后者的收益，那么该场景就不适合用AI来代替。
AI Coding长期方向一定是需要打通研发全流程的，当前部分团队已经在探索和实践。而体系化的全自动或半自动专家知识沉淀机制建设是业务研发团队在AI Coding上的重大挑战，也应当是重点方向。长期来看，是需要构建“知识驱动的AI Coding生态系统”。
————————————————
版权声明：本文为CSDN博主「阿里巴巴淘系技术团队官网博客」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/Taobaojishu/article/details/158607737
