远程异步 AI 开发

Cursor 和 Claude Code 都是同步工具——你坐在电脑前，给出指令，等待执行，审查结果。但很多开发任务不需要实时交互：修复一个明确的 Bug、补充测试覆盖率、做一轮代码规范统一。这类任务可以交给远程异步 AI——你描述任务，AI 在云端沙箱中独立完成，完成后提交 PR 等你审查。本章介绍这类远程异步 AI 开发工具的核心架构、使用场景和最佳实践。

1. 核心架构

1.1 同步 vs 异步

维度同步（Cursor / Claude Code）异步（远程 AI）
执行环境本地机器云端沙箱
交互模式实时对话提交任务 → 等待结果
耗时你的注意力全程投入你可以做别的事
适合需要判断和决策的任务目标明确、验收标准清晰的任务
反馈即时完成后通知

1.2 远程异步架构

开发者                     云端平台
  │                         │
  ├── 提交任务描述 ───────→ │
  │   (Issue/PR/自然语言)    │
  │                         ├── 启动 Sandbox（Docker 容器）
  │                         ├── Clone 代码库
  │                         ├── 安装依赖
  │                         ├── AI Agent 分析 + 编码
  │                         ├── 运行测试验证
  │                         ├── 创建 PR
  │                         │
  ←── 通知（邮件/Slack） ──┤
  │                         │
  ├── 审查 PR ────────────→ │
  ├── 请求修改 ───────────→ │
  │                         ├── AI 修改代码
  ←── 更新 PR ────────────┤
  │                         │
  └── 合并 PR              │

关键组件：

  • Sandbox：隔离的执行环境（通常是 Docker），有完整的文件系统和网络
  • AI Agent：在 Sandbox 中运行的 AI，有读写文件、执行命令的能力
  • PR 集成：完成后自动创建 PR，支持多轮 review

1.3 代表产品

产品特点
GitHub Copilot Workspace基于 Issue 自动生成 PR，GitHub 原生集成
Devin完整的"AI 软件工程师"，有自己的浏览器和终端
OpenClaw开源远程 AI 开发框架
Codex（OpenAI）OpenAI 的云端 AI 编码代理
Claude Code（GitHub Actions）Claude Code 在 CI 中运行

2. 异步任务类型

2.1 适合异步的任务

任务为什么适合验收标准
Bug 修复有明确的复现步骤和预期结果测试通过 + 不引入新问题
测试补充目标明确（提高覆盖率）覆盖率达标 + 测试通过
代码规范统一规则明确（ESLint/Prettier）lint 通过 + 不改变逻辑
依赖升级有 changelog 和迁移指南build + test 通过
文档更新基于代码变更自动更新内容准确
类型完善消除 any，添加严格类型typecheck 通过

2.2 不适合异步的任务

  • 需要设计决策的功能：AI 无法替你做产品决策
  • UI/UX 调整：需要视觉判断，AI 不擅长
  • 性能优化：需要 profiling 数据和人工分析
  • 架构重构：影响面大，需要全局视角

2.3 任务描述模板

好的异步任务描述应该包含明确的验收标准：

## 任务：为视频搜索 API 添加缓存
 
### 背景
server/api/search.get.ts 每次请求都查数据库，热门搜索词导致 DB 压力大。
 
### 目标
为搜索 API 添加 5 分钟缓存，使用 Nitro 的 defineCachedEventHandler。
 
### 验收标准
- [ ] 搜索 API 使用 defineCachedEventHandler 包装
- [ ] 缓存时间 5 分钟，SWR 模式
- [ ] 缓存 key 包含搜索关键词和分页参数
- [ ] pnpm typecheck 通过
- [ ] pnpm test 通过
- [ ] 不改变 API 的输入输出格式
 
### 参考文件
- server/api/search.get.ts
- server/api/tags/popular.get.ts（已有缓存的示例）

3. 远程 Sandbox

3.1 Sandbox 设计

远程 AI 运行在隔离的容器中，需要包含完整的开发环境：

# .ai/Dockerfile.sandbox
FROM node:20-alpine
 
RUN corepack enable && corepack prepare pnpm@latest --activate
RUN apk add --no-cache git openssh
 
WORKDIR /workspace
 
# 预安装依赖（加速任务启动）
COPY pnpm-lock.yaml package.json pnpm-workspace.yaml ./
COPY apps/web/package.json apps/web/
COPY packages/ packages/
RUN pnpm install --frozen-lockfile
 
# 复制源码
COPY . .

3.2 安全隔离

远程 Sandbox 的安全要求比本地高得多：

  • 网络限制：只允许访问 npm registry 和项目相关的服务
  • 文件系统：只能访问项目目录，不能访问宿主机
  • 执行时间：设置最大执行时间（如 30 分钟）防止无限循环
  • 资源限制：限制 CPU 和内存使用

3.3 环境变量

远程 Sandbox 不应该有生产环境的密钥。使用专用的测试环境：

# Sandbox 环境变量
DATABASE_URL=postgresql://test:test@localhost:5432/ai_video_test
S3_ENDPOINT=http://localhost:9000  # MinIO 本地替代
KLING_API_KEY=test_key_xxx         # 测试用 API Key

4. CI/CD 集成

4.1 GitHub Actions + Claude Code

Claude Code 可以在 GitHub Actions 中运行，自动处理 Issue：

# .github/workflows/ai-fix.yml
name: AI Bug Fix
 
on:
  issues:
    types: [labeled]
 
jobs:
  fix:
    if: github.event.label.name == 'ai-fix'
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v4
      - uses: pnpm/action-setup@v4
      - uses: actions/setup-node@v4
        with: { node-version: 20, cache: pnpm }
      - run: pnpm install --frozen-lockfile
 
      - name: Run Claude Code
        env:
          ANTHROPIC_API_KEY: ${{ secrets.ANTHROPIC_API_KEY }}
        run: |
          npx @anthropic-ai/claude-code --print \
            "Read issue #${{ github.event.issue.number }}. \
             Fix the bug described. Run tests to verify. \
             Create a commit with the fix."
 
      - name: Create PR
        uses: peter-evans/create-pull-request@v6
        with:
          title: "fix: auto-fix for #${{ github.event.issue.number }}"
          body: "Automated fix by Claude Code for #${{ github.event.issue.number }}"
          branch: "ai-fix/${{ github.event.issue.number }}"
          labels: "ai-generated,needs-review"

工作流：给 Issue 打上 ai-fix 标签 → 自动触发 Claude Code → 修复 → 创建 PR → 人工审查。

4.2 Copilot Workspace

GitHub Copilot Workspace 提供了更原生的集成：

  1. 在 Issue 页面点击 "Open in Workspace"
  2. Copilot 分析 Issue，生成修复方案
  3. 预览代码修改
  4. 确认后自动创建 PR

优势是与 GitHub 深度集成，不需要配置 CI。

5. 工具协作模式

5.1 三层工作流

将不同 AI 工具组合成一个完整的开发工作流：

第一层：日常开发（同步，高交互）
┌─────────────────────────────┐
│  Cursor IDE                  │
│  - Tab 补全                  │
│  - Cmd+K 局部修改            │
│  - Agent 多文件任务           │
└─────────────────────────────┘
            ↓ 复杂任务下沉
第二层：深度开发（同步，低交互）
┌─────────────────────────────┐
│  Claude Code                 │
│  - 全栈功能实现              │
│  - 批量重构                  │
│  - 测试 + 修复循环            │
└─────────────────────────────┘
            ↓ 明确任务异步化
第三层：异步任务（异步，无交互）
┌─────────────────────────────┐
│  远程 AI（CI 集成）           │
│  - Bug 修复（标签触发）       │
│  - 测试补充                  │
│  - 代码规范统一              │
│  - 依赖升级                  │
└─────────────────────────────┘

5.2 团队协作场景

角色使用的工具任务类型
Tech LeadCursor + Claude Code架构设计、核心功能、代码审查
开发者Cursor（主力）日常功能开发、Bug 修复
CI Bot远程 AI自动修复标记的 Bug、补充测试
新人Cursor Chat学习代码库、理解架构

5.3 质量门禁

无论是人写的还是 AI 写的代码，都必须通过同一套质量门禁：

# 所有 PR 必须通过
required_checks:
  - pnpm lint          # ESLint 规范
  - pnpm typecheck     # TypeScript 类型
  - pnpm test          # 单元 + 集成测试
  - pnpm build         # 构建成功
  - lighthouse >= 90   # 性能达标
  - human_review >= 1  # 至少一个人工审查

AI 生成的 PR 额外要求至少一个人工审查——不能让 AI 自己审自己。

6. 未来趋势

6.1 从工具到同事

AI 编程工具正在从"工具"演变为"同事"：

  • 2024：AI 是补全工具，辅助人类写代码
  • 2025：AI 是结对程序员，和人类协作完成任务
  • 2026+：AI 是初级开发者，独立完成明确的任务，人类做审查和决策

6.2 开发者的角色转变

AI 不会取代开发者，但会改变开发者的工作内容：

减少的工作增加的工作
写样板代码编写好的 Prompt 和 Rules
手动重构审查 AI 的输出
写测试样板定义验收标准
查文档设计架构和做决策
Debug 简单问题解决 AI 解决不了的复杂问题

核心竞争力转向：系统设计、产品判断、质量标准制定、AI 工具链建设。

本章小结

  • 异步模式：提交任务 → AI 在云端 Sandbox 独立完成 → 创建 PR → 人工审查
  • 适合场景：Bug 修复、测试补充、代码规范统一、依赖升级——目标明确、验收清晰的任务
  • CI 集成：GitHub Actions + Claude Code，给 Issue 打标签自动触发修复
  • 三层协作：Cursor（日常）→ Claude Code（深度）→ 远程 AI（异步），按任务复杂度和交互需求分层
  • 质量门禁：AI 代码和人写的代码通过同一套检查，AI PR 必须人工审查
  • 角色转变：开发者从"写代码"转向"设计系统 + 审查输出 + 建设工具链"