这是一场在真实企业前端项目中的 Design-to-Code 对比实测：作者用 GitHub Copilot CLI、自定义 Agent、Skill 和 Figma MCP，让三款模型把 Figma 设计稿还原为受 React 19、VDS、CSS Modules、i18n 与三道门禁约束的页面。测试中 Kimi K3 和 Claude Opus 5 均通过门禁，视觉分数分别为 74.8 和 60.4；GPT-5.6 Sol 因编译错误无法运行。作者认为，截图与节点树交叉验证、主动管理上下文和强制自检，比单看生成速度更影响可交付性。
AI 大量生成代码后，代码生成成本下降了，但团队理解系统的成本没有同步下降，这种缺口被称为“理解债务”。文章讨论如何用 Harness Engineering 把任务边界、测试、类型检查、Linter 和独立评估写进 Agent 工作环境，把人的注意力留给架构、业务语义和高风险变更。规格驱动开发能对齐需求，却不能替代对实现的理解；更现实的方向是按风险决定自动合并或人工审查，而不是完全跳过代码阅读。
Chip Huyen 质疑 gpt 5.6 为何如此倾向于过度工程化，也就是把工程方案设计得过于复杂。帖子仅提出这一疑问，没有提供具体案例、原因分析或应对方法。
优设认为，国产 AI 的「反攻」体现为竞争重心从算力与跑分转向单位成本、工作流和开放生态，并不代表已经全面胜出。7月31日也不是四家同时发布新基础模型：MiniMax H3上线、Seedance 2.5扩大开放、DeepSeek V4-Flash开启API公测，GLM Coding Plan则恢复订阅并调整价格与额度。作者提出按任务分配模型：强模型负责复杂规划，低价模型承担实现、测试等任务，再用评测与验证兜底。