AI代码编写初创公司Zencoder推出了名为"Zenflow"的新编排工具，宣布从原有的"幸运提示期待"方式转向结构化AI编码自动化体系。在开发者间代码生产力和质量疲劳加剧的情况下，Zenflow致力于为AI编码智能体构建能够相互验证代码、像供应链一样协同合作的环境，这一点备受关注。
Zenflow的优势在于通过大规模语言模型（LLM）间的相互验证来提高代码准确性和稳定性。Zencoder首席执行官安德鲁·菲列夫表示："缺乏结构的速度最终会导致技术债务。"他解释说，这是对现有AI编码工具在扩大到一定规模后暴露出局限性之结构的一种突破尝试。他认为，基于聊天的界面虽然适合简单的辅助工作，但构建复杂系统需要一致的工作流程。
Zenflow的核心有四点。第一，将工作流程结构化，明确每个阶段的计划、实施、测试和评审程序。第二，引入基于规格的开发，要求在编写代码前有明确的技术规格说明。第三，对不同AI模型生成的代码进行交叉审查，以防止模型偏见。最后，在并行执行环境中同时运行多个智能体，以最小化工作冲突。
Zencoder方面表示，得益于这种编排方法，其内部开发速度比引入AI前快了近一倍，并且已达到智能体负责大部分实现工作的阶段。技术总监威尔·弗勒里表示："Zenflow的目的不在于让模型更擅长编写代码，而在于让其明确理解开发意图，并确保一致的质量。"
该工具特别侧重于防止近期AI代码生成工具中常被指出的"AI垃圾"问题，即那些表面看似合理但在实际环境中运行不稳定，或在反复修改过程中性能反而下降的问题。菲列夫警告说："未经验证的代码自动化会导致一种'死亡循环'。出现问题后无法追踪根源，向编写代码的AI请求修复问题，但AI同样无法识别自身错误，因此难以解决。"
Zencoder自信地认为，通过采用不同模型参与的交叉验证方式，其能够超越OpenAI、Anthropic、谷歌等大型科技公司的单向模型驱动方法。判断认为，这种消除模型依赖的"智能体无干涉"配置，能在各种情况下产生更稳定的结果。
Zenflow目前正在免费发布，并包含与微软Visual Studio Code、JetBrains等主要开发环境兼容的插件。希望更精细设计AI编码自动化的开发团队，有望通过Zenflow快速转向结构化和经过验证的开发文化。
