一句话看懂：Berkeley RDI 提出软件自主开发三级框架，将 AI 在软件工程中的责任从代码编写逐步扩大到需求定义，并指出当前 AI 代理虽能独立完成复杂任务（如 16 个 Claude 代理用不到 $20K 构建 C 编译器），但在连续演化中可靠性不足，需要类似自动驾驶的等级化安全保障。
事件核心：发生了什么
2026 年 7 月 26 日，UC Berkeley 的 RDI（研究和开发创新中心）联合 MIT、Cursor、UT Austin、Microsoft 等机构发布了一篇立场论文《Towards Autonomous Software Development》，提出软件自主开发的三级框架。该框架受 SAE 汽车自动化等级启发，定义了 AI 在软件开发生命周期中承担责任的三个层次：Level I（代码自主）——AI 完成系统设计与实现，人类负责需求确定和 PR 级审查；Level II（管道自主）——AI 从设计到部署全流程自动化，人类仅定义高层次需求并验收结果；Level III（需求自主）——AI 自行从遥测、用户行为、安全公告等数据中识别需求并构建系统，人类仅设定初始使命。论文还引用了一个实际案例：16 个并行的 Claude 代理仅用不到 $20K 就构建了一个可运行的 C 编译器，但在需要连续演进的基准测试中，AI 代理在添加新功能时难以保持正确性和架构一致性。
为什么重要
这项框架的提出，意味着 AI 对软件工程的影响已从“辅助编码”进入“任务所有权”的讨论阶段。此前，“自主编码代理”概念模糊，不同产品差距巨大——从补全几行代码到自动提 PR 甚至决定功能。RDI 的分级框架为行业提供了一套公共语言，用以评估 AI 系统的能力边界、部署风险和责任归属。对 AI 公司而言，它明确了目前主流产品（如 GitHub Copilot、Cursor）大多处于 Level I 的前期；对安全敏感领域（如金融、自动驾驶软件），Level II 和 Level III 的落地需要根本性的验证技术突破。这一框架也首次系统性地将“需求生成”纳入 AI 自主范围，挑战了传统软件工程中“人类定义需求”的不可替代假设。
对用户/开发者/创作者的影响
开发者：需要重新理解“自主”的含义——不同级别的工具对应不同的审查义务。使用 Level I 工具（如自动生成完整 PR）仍需要人工审查设计逻辑和测试结果；盲目信任 Level II 以上系统可能导致架构退化。建议开发者关注框架中的“责任转移”原则，选择与自身场景匹配的工具。企业 CTO/技术采购：可将该框架作为选型参考，评估 AI 编码工具的安全和可控性。例如，内部门槛较低的工具可以探索 Level II，但客户界面核心系统应长期锁定 Level I。AI 产品经理与创作者：需求自主（Level III）设想了一种由 AI 自行决定“做什么”的循环，这对现有产品功能定义方式构成潜在颠覆。但论文也强调，“自发生成的需求”可能偏离原始使命，需要提前设计约束机制。
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。
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，该框架能否获得行业共识，成为类似 SAE 级别的标准？微软、Cursor 等参与单位是否会将其纳入产品路线图？第二，Level II 的关键前提——“人类意图可以被充分规格化”——目前在安全与验证领域仍无成熟方案，后续是否有技术突破（如形式化验证与 AI 的结合）值得跟踪。第三，响应性监管：不同地区对 AI 生成代码的责任归属尚未明确，该框架可能为政策制定提供参考。最后，竞品（如 Anthropic、OpenAI）是否会有类似的分级提议，值得对比观察。
