API7.ai创始人温铭：烧了几百亿Token，我用AI重写了生产级网关，总结出6条经验

一句话看懂：API7.ai创始人兼CEO温铭在最近一次公开分享中，用亲身实践给出判断：AI的编码能力已超过资深工程师，但瓶颈在人——团队的组织方式、个人的知识边界和对“为什么”的判断力，才是决定项目质量的关键。他用AI重写了生产级AI网关“AISIX”，并沉淀出6条实操经验。

事件核心：发生了什么

温铭（Apache APISIX PMC主席）在InfoQ发表了一篇深度实践总结。他承认，自己已在AI编码上烧掉“几百亿Token”，并基于这些经验判断：AI已能胜任资深工程师的编码工作，但无法替代人对架构意图（Why）的理解。为此，他在API7.ai内部推行“禁止手写代码”的政策，要求团队用AI Agent完成打字工作，把人力集中在架构决策和测试验证上。他同时透露，团队从零用Rust重写了AI网关AISIX，以应对流式长连接、高并发的AI流量场景。

为什么重要

这并非一篇泛泛的AI展望。温铭提供了一套可操作的方法论：AI写代码“一天完成三个月代码量”不再是实验，而是已进入生产实践。真正的挑战在于，当编码不再稀缺，资深工程师的护城河转向“经验沉淀”——那些没有被写入文档的技术权衡和历次踩坑记录。他提出的“用另一个AI审查AI写的代码”“用agents.md而非大框架来引导AI”等做法，为团队如何管理AI编码质量提供了直接样本。此外，AISIX从Lua转向Rust的选型，也代表对AI流量长连接场景下运行时无GC、可预测延迟的技术判断。

对用户/开发者/创作者的影响

对开发者和技术管理者，温铭的经验意味着：团队的组织边界和“领地意识”可能成为AI落地的最大障碍；个人角度看，把自身经验浓缩成一份原则文件（如agents.md），比学习工具框架更重要。对于后端、网关相关方向的工程师，AISIX的开源思路也提示了一条路——当要处理AI流量的语义路由、模型合议、多Provider负载均衡时，用Rust重写网关可能比在旧架构上加插件更自然。

AI 工具推荐

想把多个 AI 模型放在一个入口？

GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。

了解 GamsGo AI

推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。

值得关注的后续

第一，AISIX作为开源AI网关是否会被社区采纳、与Apache APISIX如何协同，是观察AI基础设施生态演变的一个窗口。第二，温铭“人一天做四五十个高质量决策、到下午三四点精力耗尽”的节奏，是否说明AI编码实际上加速了团队决策密度，这对组织管理方式可能产生连锁影响。第三，他提出的“用独立Agent做double check”流程是否能有效降低生产环境风险，需要更多企业验证。目前公开信息显示，这些经验还主要基于API7.ai团队实践，尚未形成通用标准。

来源：InfoQ CN