前谷歌工程师王咏刚对外分享了一次 AI 辅助开发的实操经历,他使用 Claude Opus 5.5 模型,只用三四天时间,就把原本只有几百行代码的 Altair 8800 模拟器项目扩展到 3 万多行代码,项目里还配套完成了单元测试和浏览器集成测试,整个过程里王咏刚基本不亲手敲大量代码,主要负责把控整体方案、提出修改意见、排查异常问题,AI 承担了绝大部分代码编写和技术落地工作,这个案例也直观展示出当前大模型在大规模代码生成上的能力上限。之所以这次 AI 可以高效完成大批量代码输出,一方面是项目本身是模拟器类的开源项目,需求边界清晰、功能模块明确,方便 AI 拆解任务;另一方面王咏刚本身具备资深工程师的判断能力,能及时校验 AI 输出的逻辑漏洞、纠正不合理的设计,不会放任 AI 无约束生成,同时选用的大模型本身对底层硬件模拟、汇编相关代码有不错的理解能力。
整套 AI 开发的执行流程可以拆成下面几步:
- 明确项目基线:拿到原始 Altair 8800 模拟器源码,梳理现有功能,整理清楚要新增、改造的需求清单。
- 向 AI 下发顶层需求:把项目背景、硬件规则、预期功能一次性给到 AI,让 AI 先输出整体系统设计方案。
- 分模块迭代编码:AI 按照方案拆分汇编器、调试器、模拟交互界面等模块,逐块生成代码。
- 持续校验与反馈:王咏刚审核每一部分代码逻辑,发现 BUG 或者设计缺陷就反馈给 AI,由 AI 修改重写。
- 补充测试脚本:同步让 AI 配套写出单元测试、浏览器端集成测试代码,验证模拟器运行结果。
- 项目整合收尾:全部模块调试通过后,合并代码,形成完整 3 万行规模的可运行项目。
这次实践不是代表 AI 可以脱离人独立做复杂项目,而是验证了一种新协作模式:工程师转向做需求把关、方案评审、质量验收,把重复、量大的编码工作交给 AI,后续这类人机协作开发模式会在更多技术项目里落地。
本次 AI 开发项目基础信息清单
| 项目项 | 详情 |
|---|---|
| 原始项目 | Altair 8800 老式计算机模拟器 |
| 初始代码规模 | 数百行代码 |
| 最终代码规模 | 3 万 + 行代码 |
| 使用大模型 | Claude Opus 5.5 |
| 开发耗时 | 三四天 |
| 配套产出 | 单元测试、浏览器集成测试代码 |
【常见问题】
问题 1:王咏刚借助 AI 数日产出 3 万行代码,是不是 AI 全程独立完成开发?
回答 1:王咏刚借助 AI 数日产出 3 万行代码并不是 AI 独立开发,AI 负责大量代码编写,王咏刚负责审核方案、校验代码逻辑、给出修改反馈,工程师的技术判断是保障代码可用的关键。
问题 2:王咏刚借助 AI 数日产出 3 万行代码的项目是什么类型?
回答 2:王咏刚借助 AI 数日产出 3 万行代码的项目是 Altair 8800 老式计算机模拟器,项目包含汇编器、调试器、交互界面等多个功能模块。
问题 3:普通人能不能复刻王咏刚借助 AI 数日产出 3 万行代码的开发效果?
回答 3:很难直接复刻王咏刚借助 AI 数日产出 3 万行代码的效果,这个项目需求清晰,同时王咏刚拥有谷歌工程师的技术功底,能识别 AI 代码错误,普通人缺少校验能力,很容易积累大量隐藏技术问题。
【数据来源】
[2026-11-06](前谷歌工程师王咏刚:AI 几天写出 3 万行代码,自己倒成了 “闲人”)IT 之家
[2026-11-06](王咏刚分享 AI 编程经历:三四天扩展模拟器至 3 万多行代码)aifollow.news
[2026-11-04](永别了,程序员)虎嗅网
【免责声明】
本文仅对王咏刚借助 AI 数日产出 3 万行代码的公开分享内容做资讯整理,不代表所有 AI 编程项目都能达到同等效率;AI 生成代码存在逻辑漏洞、技术债风险,实际商用开发必须做好人工审核、测试验证;相关观点仅为当事人个人体验,不代表行业统一结论。
