由此前的文章总结可见，AI的优势在于极高的代码的生产速度以及相较于人类会有更低的细节问题发生率，可以在短期内生产出质量合格的代码。但是AI的缺点在于自身的想法可能是冗余的，以及对提示词的语义理解可能与工程师的预期有偏差，以及一旦AI产生逻辑自证混乱的情况，基本无法自我订正。导致实际产出的代码功能可能与预期不符。因此结合以上优劣可以得出，AI更适合在模块化功能上进行自动生产，没有耦合度的代码可以放心交于AI自由发挥而不用担心影响到已经被核验成功的代码。如果需要对高耦合的核心框架进行AI处理，需要严格监修代码质量并且工程师要能够进行兜底。我见过很多工程师在使用AI时完全放养AI进行开发，而且本身没有足够的知识对AI的产出进行评估和修正。最后写出问题很多的屎山代码。一旦遇到高样本量的压力测试就会出现大量问题。因此，由AI进行模块化开发，工程师自己处理项目框架。理应是当下在AI研发上分工的理想配置。AI进行模块化开发的情况下几乎可以让代码的生产占比达到接近100%，而且产率是远高于人力的。越复杂的模块功能节约的时间占比越高。而工程师需要对AI的产出有管理和订正的能力。对于资深的工程师来说，AI是辅助工具，对于资历较浅的工程师来说，AI理应是学习工具。
还有一点，如果需要应付紧急的任务或者改动。优先评估人力生产的成本，倘若全权交由AI生产，一旦项目质量与预期不符，很难在确定的时间下改出合格的代码。有一个较为稳妥的方案是半AI生产，也就是AI生产完再进行人力修订。这在代码量大但是逻辑简单的任务类型上颇有优势。但是一旦逻辑复杂，就需要依赖提示词的准确度让AI能够精确的执行逻辑命令。这样执行任务的容错率是偏低的。
目前使用下来Kimi在代码开发上有更好的专业性能。产出的代码质量偏高。但是经常有冗余的功能也需要工程师进行维护。
