余浩：AI coding或将成为医信工程师的基本能力要求

来源：HIT专家网 作者：李崇铭

“我们已经动员部门全体工程师转向AI coding，要求新项目全部优先基于AI coding推进。拥抱AI coding确实有难度，我们对它的理解和认知也并不成熟，但重要的是先行动起来。”

技术浪潮下，AI coding会给医院信息部门的工作带来多少变化？近日，在2026年北京地区医院信息网络大会暨北京卫生信息技术协会（PHITA）第十一届学术年会“信息化建设新进展”分会场上，北京大学首钢医院信息中心主任余浩介绍了AI coding的相关概念及实践经验。

“古法编程”向AI coding转变的逻辑与核心要素

“目前我们使用的大部分软件都是采取传统的编程方法设计、生产出来的，有人调侃它为‘古法编程’，其核心特征是‘指令驱动编程’。”余浩介绍，传统编程方法侧重关注“怎么做”和逐行代码实现，开发者是“唯一生产力”，对代码质量、架构、性能全面负责。因此，传统编程存在门槛高、开发流程相对固定、周期长、重复劳动多等痛点。

与传统编程方法不同的是，AI coding（或称Vibe coding）强调“意图驱动编程”，核心区别在于开发者从“写代码（How）”转向“描述需求（What）”，即开发者借助大语言模型，通过自然语言描述意图和目标，由AI模型根据描述自动生成代码。AI coding更关注业务逻辑和系统设计，而非具体实现方式。近两年，AI coding的应用已不局限于帮助开发者补全代码和对话返回代码，陆续出现了以Cursor、Claude Code、Codex为代表的Agentic Coding新模式。

“我从事软件开发已经有二十余年了，我觉得写代码是很有趣的事。如今，AI coding极大地降低了编程的技术门槛，又让我觉得编程这项重要的技能，如今好像没那么重要了。”余浩结合自身体验，认为AI coding更强调以架构设计者或AI协作者的角色参与编程，程序员需要转换心态：关注效果且接受一定程度的代码“黑箱”；快速开发，敢于试错，“先跑起来，再持续优化、迭代”。

尽管AI coding显著降低了开发者的技术门槛，但想用得如臂使指，需要充分了解其三类核心要素：自然语言描述能力、Prompt（提示词）设计能力与Markdown规范文档能力。

其中，Prompt是面向AI的结构化指令，包含角色、上下文、任务、约束四类元素。Markdown并非指令，而是一种轻量级标记语言，包含“#标题、“`代码块、-列表”等，能够使文本或代码清晰易读，便于AI解析。将Prompt中规范的、能够结构化定义的命令，归集、沉淀为Markdown文档，可描述项目相关技术、架构、约束的内容。

“上述三个核心元素并不是彼此割裂的，而是联系紧密、逐级递进的，三者常协同使用。”余浩强调，将自然语言指令转化为Prompt，再将一系列Prompt集合形成Markdown文档，必须符合相关技术规范，且要求工程师厘清业务逻辑，对文档的描述专业、精准，这并不是一项简单的工作。

Markdown文档的价值在于，它是规范驱动开发（SDD）中承载规范文档的首选载体。SDD是一种“规范先行”的开发方法论，以清晰、无歧义的规范（Spec）驱动代码生成、测试与维护。“Markdown文档具有机器可读、版本可控、便于人机协作的特性，能够满足沉淀知识资产、保障开发过程一致性的要求。”余浩说，Markdown文档逐渐成为关键载体，用于承载系统流程与状态定义、数据结构与接口规范，以及业务约束与边界条件。在实践中，要逐步形成“Spec（规范）驱动开发”的方式，也即：先定义规范，再生成代码，然后验证与迭代。

动员全体软件工程师转向AI coding

目前，业界正在实践的AI coding包括三种模式：代码补全、规范驱动开发以及自主Agent编程。前两种模式需要编程者确认或手工操作，而自主Agent编程更少需要编程者参与，AI可自主完成需求解析、代码生成、测试、部署等环节，这是AI编程的最新进展。

余浩介绍，医院信息中心在探索AI coding方面使用的工具矩阵包括：VS Code、CodeBuddy、CodeX等。借助这些工具，软件工程师分别尝试代码补全、规范驱动开发和自主Agent编程三种模式，并产出了可用的系统。

在代码补全方面，工程师在CodeBuddy和DeepSeek等大模型的辅助下，打造了修复重建外科伤口管理小程序。在已完成代码的基础上，工程师通过人机对话窗口，指挥AI补全函数；代码编辑器可显示AI进行代码修改的前后对比，并由工程师判断代码是否可用。

在规范驱动开发方面，在开发门诊治疗管理系统时，软件工程师使用了VS Code和CodeX。该系统可清晰展示患者已治疗次数、剩余次数及整体治疗进度，帮助治疗师实时掌握患者治疗情况。

“我要求这个系统的开发时间是三个月，初期开发进度比较慢。但有一天这名工程师告诉我系统已经完成开发，即将正式上线，且在开发过程中他没有写过一行代码，这让我很惊讶。”余浩介绍，该系统在建设之初与传统的开发流程类似，工程师去现场调研，完成需求分析、设计文档等工作。在此基础上，工程师准确描述系统技术、框架以及数据结构，形成Markdown文档，由AI生成代码。“他对我说，这次系统开发是他从传统编程向AI coding的转变。这种‘人负责设计、AI生成代码’的模式，帮助他单人完成了以往需要五名以上工程师协作完成的项目。”

在自主Agent编程方面，信息中心一名工程师借助OpenClaw、CodeX等工具，实现了WebService接口扩展的AI自主开发。OpenClaw通过给定的接口文档和新增接口提示词生成基本可用的代码，工程师仅需修改部分SQL语句的条件。“出于数据安全和业务风险考虑，我们粗略尝试之后就停止了自主Agent编程，目前仅在受控范围内进行尝试，但这次探索证明了这一模式是可行的。”余浩说。

此外，在系统UI设计方面，AI coding的表现较为突出，能够按照参考图完成与之高度一致的系统界面设计。保证界面设计一致性的“窍门”是，通过Prompt命令AI分析界面设计的“图后特征”，理解核心设计意图、功能需求和用户体验目标，形成机器可理解的设计规范后，再通过AI coding还原页面。实践证明，这一流程能更加准确地描述页面特征，保证UI设计效果符合预期。

“目前，信息中心全体工程师转向AI coding，要求新项目全部基于AI进行开发，之前的项目可以暂时采用传统编程模式。”余浩介绍，信息中心“布置的作业”是，每名工程师选择感兴趣的内容，在两个月的时间内基于AI coding完成一个工具或系统开发。“有些任务几乎不可能完成，有些系统已经落地，这也反映出我们对AI coding的认识和理解存在差异。全面拥抱AI coding确实难度不小，但这种尝试是有意义的。”

AI coding或成为HIT工程师的基本能力要求

“AI coding很可能会成为HIT工程师的基本能力要求。”余浩表示，医院信息系统要充分融入临床业务，信息中心要深刻理解业务逻辑进行系统设计，通过AI开发，这可能会成为HIT工程师职业转型的重要方向。

基于AI coding实践结果，余浩总结了几点经验：

一是从指令到Markdown文档，需要循环迭代与持续优化。“Markdown文档在AI coding中的作用非常明显，完备的Markdown文档能大大提高代码生成效率。”余浩认为，应根据系统反馈，优化Prompt和Markdown文档，形成持续改进的闭环，最终将逻辑封装为可调用、可组合的技能，实现编程的高度自动化。

二是要转变观念，通过标准化和模块化将个人能力沉淀为团队可复用的数字资产。例如，将关注重心从代码转向规范，关注对业务的熟悉程度；支持Markdown文档互相进行结构化引用，实现知识的系统管理与复用；梳理约束规范、数据库结构及领域知识，形成知识资产体系等。

三是保证工程化一致性。目前AI生成的代码在命名、结构和架构上可能与团队传统规范不一致，可采取“人工对齐”的方式审查、修改AI生成的代码，并通过工具链升级逐步实现生成代码的“自动对齐”。

“转向AI coding固然有很多困难，但最难的一步是先用起来。”余浩认为，AI coding是医院信息部门工程师的强大协作工具，而非替代者。技术变革带来了新的机遇，创新人机协作的开发流程，将会进一步提升信息部门的效率和能力，甚至催生出AI训练师、提示工程师、规范工程师等在AI coding中发挥关键作用的新岗位。

【责任编辑：陈曦 版式：明超】