AI 已经会写代码了，但它还不太会“交付”
孤松AI记 · 工具观察
Loom 这个项目有意思的地方，不是又做了一个 coding agent，而是试图给 Codex、Claude Code、opencode 这些工具外面套一层交付流程：规划、验证、修复、预览、交接，都要留下证据。
近年用 AI 写代码，最容易产生一种错觉：
好像软件开发已经被解决了。
你给它一句需求，它能写页面、补接口、改样式、加测试。几分钟后，一个 demo 跑起来。那一刻确实挺爽。
但真正麻烦的地方，通常从 demo 之后才开始。
需求有没有被完整实现？
中间改过几轮，原始目标还在不在？
测试是真测过，还是 AI 自己觉得差不多？
浏览器预览有没有证据？
会话一压缩、工具一切换，它还能接着干吗？
这些问题，比"AI 会不会写代码"更现实。
最近看到一个开源项目：Loom。
它自己的说法是，给现有 coding agent 做一个 open delivery harness。说白了，它不是替代 Codex、Claude Code、opencode，而是给这些 agent 加一层交付流程。
它支持的方向也很明确：把一次开发任务变成规划、实现、验证、修复、预览、交接这一整套循环。
怎么使用？
你不用换掉手上的工具——在 Codex 里本来你打"写个访客登记系统"，现在在前面加个@loom就行（Claude Code、opencode 里是/loom），它就从"随手生成"切换成"结构化交付"。
接管之后，它不再一次性把代码吐给你，而是先规划，再一个个任务往下做。想从上次的状态接着干，一句@loom continue；想让它自查一遍，一句@loom review。
过去我们聊 AI 编程，注意力大多放在模型上：哪个模型代码能力更强，哪个 agent 更会改项目，哪个 IDE 体验更顺。
但真实项目里，模型只是一部分。
长任务真正容易崩的地方，是流程失控。
●比如做到一半就宣布完成。
●比如上下文压缩之后，忘了前面确认过的边界。
●比如修了 A，又把 B 搞坏了。
●比如明明还有失败日志，却给你一个"已完成"的总结。
Loom 想解决的，就是这类问题。
它会把项目上下文、任务契约、测试结果、预览证据、修复记录、交接报告这些东西落到项目本地的.loom/里。
这样下一次继续，不是让 agent 凭感觉猜"我现在该干嘛"，而是从已有状态恢复。
也正因如此，它对"做完了没"卡得比较死。验证不是 agent 嘴上说句"测过了"，而是真去跑烟雾测试、Playwright 那类检查，把日志和错误摘要留下来，没过就生成修复请求、再验一遍。预览也不是截张图——是用本地 Docker Compose 把项目真跑起来给你看。
这个设计不花哨，但很工程。
因为 AI coding 往下走，拼的可能不是谁更会"一次性生成"，而是谁更能把一个需求稳定做完。
AI coding 的下一阶段，不只是让 agent 更聪明，而是让它进入一套可复盘、可验证、可交接的工程流程。
这件事没那么性感。
但如果你真的想把 AI 用到实际项目里，而不是只停在 demo，可能缺的正是这一层。
项目链接 · github.com/valkor-ai/loom
如果这些文字能让你少走一段弯路，或者只是会心一笑，那这棵"孤松"就算扎下根了。我们下一篇见。
孤松AI记
把重复交给 AI，把判断留给自己。