首版交付之后的活，才是真正拉开差距的地方文章目录首版交付之后的活，才是真正拉开差距的地方一、先把口径说清楚，不然数据没有意义1. 对比范围2. 传统模式的计算规则3. 工作量计算公式4. 优先级分层5. 评估局限性7. AI 模式的计算规则4. 成本单价怎么来的9. AI 工具费用怎么计算二、结果先摆出来：这次到底做了多少东西三、传统研发流程和 AI 原生流程，具体差在哪里1. 传统流程是什么样2. AI 原生流程是什么样3. 两种流程逐项对比四、首版闭环之后，真正花时间的是后续关键改进1. 查询性能优化2. 调度稳定性治理3. 契约与兼容性加固4. 布局与页面打磨五、样式和布局不是一回事六、AI 能解决什么，人还要负责什么七、最后的结论前一篇公众号文章已经写过从零搭起网络监控系统的过程、经验和踩坑。这一篇不再重复前面的内容，重点只补三件事：这次对比的数据到底怎么算AI 为什么能把首版交付拉快、把成本压下来首版闭环之后，真正拉长周期的后续关键改进是什么一、先把口径说清楚，不然数据没有意义这篇文章里的所有比较，统一按下面这套规则来算。1. 对比范围对比的不是"理想中的完整系统"，也不是所有未来增强项。对比的是 v1 首版闭环这部分核心范围：ICMP / TCP / HTTP GET / HTTP POST 四类探测SSL 证书检测和告警Dashboard、任务列表、任务详情、告警历史、SSL 看板每周可用性报告登录认证、敏感字段加密和基础安全基线也就是说，两边比较的是同一套核心范围。2. 传统模式的计算规则传统模式数据来 "项目详设核心项 - 工作量评估清单“的核心范围估算。这份估算把工作量拆成了 10 个维度：功能清单页面清单接口清单数据库设计核心业务流程外部依赖非功能要点安全与权限数据处理部署与迁移只取核心范围，不取可选增强，最后合并得到：93 人天约 18-20 周日历周期3. 工作量计算公式单项工作量 = 数量 × 复杂度系数 总工作量 = Σ(各维度工作量)复杂度系数参考：复杂度系数说明低0.5 人天简单CRUD、标准组件复用中1-1.5 人天中等交互、需要联调高2-3 人天复杂逻辑、多系统集成4. 优先级分层P0（核心） P1（重要） P2（增强） ↓ ↓ ↓ 必须做 建议做 可选做 4周排期 +2-4周 按需排期5. 评估局限性⚠️可能低估的场景：跨模块联调问题性能优化返工第三方接口变更需求变更⚠️可能高估的场景：组件复用（如弹窗组件）代码生成工具已有封装好的工具函数7. AI 模式的计算规则AI 模式不按"理论效率"算，直接按这次项目的实际记录算。这里统一按下面的口径：时间范围：2026-03-12 ~ 2026-03-28人力投入：1 人全程投入首版交付：16 个日历日人天折算：16 天 × 1 人 = 16 人天注意，这里的 16 天指的是首版闭环交付，不把后续持续迭代混进去。后续为了补性能、稳定性、兼容性和页面质量，提交次数从 54 次继续增加到 105 次，这部分单列描述，不和首版交付混算。4. 成本单价怎么来的为了避免岗位单价一会儿一个口径，这次统一用一线城市 SaaS 外包市场的加权均价计算。加权均价口径：产品：¥2,000 / 天UI：¥1,800 / 天前端：¥2,500 / 天后端：¥3,000 / 天测试：¥1,800 / 天运维：¥2,200 / 天PM：¥2,500 / 天统一折算后，采用：¥2,414 / 人天这意味着：传统模式显性成本 = 93 人天 × ¥2,414 = ¥224,502 ≈ ¥224,500 AI 模式人力成本 = 16 人天 × ¥2,414 = ¥38,624数据来源：CSDN《IT外包费用：1000元/天/人，高了还是低了？》（2024）、BOSS 直聘 / 猎聘 2025-2026 招聘薪资反推、SaaS 行业项目外包报价参考。一线城市后端高级岗位实际成交价常达 ¥2,500-3,500/天，此处取中值偏保守。9. AI 工具费用怎么计算AI 工具费用这次不按 token 算，也不按"如果放大到全年要花多少"来算。只按这次交付阶段实际用到的月订阅费用来算。工具用途费用口径GLM-5 Pro前后端开发、数据库设计¥149 / 月GPT-5.4 (Codex)Bug 排查、代码审查约 ¥145 / 月Gemini 3.1 Pro (TRAE)前端微调、UI 实现约 ¥145 / 月Kimi-K2.5文档整理、长文本处理¥199 / 月Figma Professional原型设计约 ¥87 / 月合计¥725所以 AI 模式的显性总成本按下面的公式算：AI 模式显性总成本 = 人力成本 ¥38,624 + 工具订阅 ¥725 = ¥39,349二、结果先摆出来：这次到底做了多少东西到2026-03-28为止，仓库里实际沉淀出来的结果包括：36 个 API 接口8 个核心页面9 张核心表 + 11 个 Alembic 迁移30 个 Vue 组件232 个测试文件首版阶段 54 次提交，后续累计到 105 次提交这些不是"预计会做"，而是仓库里实际存在的交付结果。如果把传统模式和这次 AI 辅助首版放在同一张表里看，差异会更清楚：指标传统模式（核心范围估算）AI 模式（首版实际）差异人天投入93 人天16 人天减少 82.8%日历周期18-20 周16 天从周级压到天级显性成本¥224,500¥39,349减少 82.5%工具结构人工主导，工具辅助人主导判断，AI 接执行分工变化交付方式阶段化推进并行推进节奏更紧凑如果再把比例拆开一点看：效率倍数：93 / 16 = 5.81也就是说，按统一人天口径看，这次首版交付效率大约是传统模式核心范围估算的5.8 倍成本倍数：224,500 / 39,349 = 5.70显性成本大约压到了传统模式的17.5%AI 工具费用占比：725 / 39,349 = 1.84%也就是说，在 AI 模式总成本里，工具订阅只占1.84%，大头仍然是人的时间这几个数字放在一起，能支持一个比较稳的判断：AI 辅助开发对前期交付的提效和降本是实打实的，不是概念层面的"好像更快"。三、传统研发流程和 AI 原生流程，具体差在哪里说到 AI 辅助开发，讨论很容易只盯着"代码生成快不快"。但这次项目里，真正拉开差距的，不只是编码速度，而是流程组织方式。1. 传统流程是什么样如果按传统方式做，这类项目通常是下面这条链：