大型项目的规划和初始生成可以用claude4.7，效率与完成度确实高。现在claude4.7已经不是大模型的概念，而是一个工程项目管理SAAS。配合claude code或是cursor它包含了很多任务，如原始需工程化拆解，架构设计辅助，服务治理，工具编排，harness，devops，自动化测试，自修复方案等。

但维护阶段一定要把coding任务切到本地上来，项目起来以后一次分析的上下文就有几千万的token，根本消耗不起。这些token一般来说生产力回报极小但又不得不做。因此必须进行code plan的本地化承担，否则软件公司的利润都被模型公司拿去了。

因此，我建议的ai coding方案：

前期规划 + 项目初始化用 Claude 4.7 做：需求拆解、架构图、微服务 / 模块划分、脚手架、DevOps 配置、测试方案、任务拆解，一次性生成完整工程基线。

中期开发 & 长期维护把 Code Plan、编码、局部重构、Bug 修复、迭代开发 全部切本地私有化模型和本地agent。

公司必须把高频、海量 Token 的编码维护留在本地，只把低频、高智力的顶层规划交给云端顶级 SaaS 大模型。

另外，我的看法是稍微有点规模的公司都要开发自己的专属agent，这条路是没得选的。