TwKit
正在载入
TwKit

我越来越觉得,AI Coding 发展到今天,软件工程可能真的要被重新定义了。 但不是因为 AI 会写代码,而是因为软件工程的管理对象,正在从程序员扩展到 … · @xulijian1994 · TwKit

@xulijian1994

我越来越觉得,AI Coding 发展到今天,软件工程可能真的要被重新定义了。 但不是因为 AI 会写代码,而是因为软件工程的管理对象,正在从程序员扩展到 Agent。 回头看过去几十年的软件工程发展:瀑布 → RUP → 敏捷 → DevOps → AI Coding。 我们似乎一直在追求更快的开发速度、更低的交付成本。早期强调需求分析、架构设计和详细文档,因为代码写起来很贵,改起来更贵。后来敏捷和 DevOps 成为主流,大家开始强调快速迭代、持续交付,很多传统工程实践也逐渐被认为太重、太麻烦。 但 AI 来了之后,情况反而变得有些微妙。 以前嫌用例分析太繁琐,现在发现 Agent 特别需要明确的业务规则和异常分支。以前觉得 DDD、领域建模投入太大,现在发现没有清晰的业务边界,Agent 很容易把复杂系统改得一团糟。 以前觉得详细设计文档没必要,代码就是最好的文档。现在却发现,你不给 Agent 足够的上下文,它是真的敢按照自己的理解直接开干。 软件工程发展了几十年,怎么又开始捡起这些老东西了? 我觉得这里有三个值得思考的变化。 第一,AI 没有让软件工程变简单,只是改变了成本结构。 过去最贵的环节之一是实现,现在实现成本正在快速下降。但需求理解、业务建模、结果验证的成本,并没有以同样的速度下降。 以前程序员花三天写代码,可能只需要半天确认需求。现在 Agent 半小时就把代码写完了,你可能反而需要花几个小时确认它到底有没有做对。 更麻烦的是,AI 不仅能快速实现正确的需求,也能快速把错误的需求实现得非常完整。代码越便宜,错误被大规模复制的成本也越低。 所以我认为,AI Coding 带来的一个反常识变化是:代码越便宜,需求错误可能反而越贵。 第二,软件工程正在从管理人的协作,扩展到管理 Agent 的执行。 这是我认为最核心的变化。 过去我们写需求文档、制定开发规范、设计协作流程,主要是为了让团队成员能够理解彼此、降低沟通成本。 但 Agent 不一样。它可以不知疲倦地执行任务,也可以非常自信地把一个错误的理解贯彻到底。你不能指望它像一个熟悉业务十年的老员工,自动理解那些没有写出来的隐含规则。 这意味着未来的软件工程,可能需要更加明确地定义 Agent 的知识边界、操作权限、任务约束和验收标准。 它应该知道什么?被允许修改什么?如何证明自己完成了任务?出了问题,又该如何定位和纠正? 这些问题看起来像是 Agent 工程的问题,但往深了看,其实就是传统软件工程中的需求管理、架构治理、质量保证和过程控制,只不过管理对象发生了变化。 我甚至觉得,未来软件工程师的一项重要能力,就是把过去依赖个人经验和默契的隐性知识,转化成 Agent 能够理解、执行和验证的显性规则。 第三,未来的软件工程可能既不是瀑布,也不是敏捷,而是一种按需投入的工程模式。 以前做完整的需求分析、用例设计、领域建模,成本太高,所以很多团队选择跳过。不是因为这些东西没有价值,而是投入产出比不一定划算。 但如果 AI 能把这些工作的成本也降下来呢? 简单需求,直接描述,让 Agent 实现;复杂业务,先建立领域模型、明确约束,再交给 Agent 执行;高风险模块,则增加更严格的设计审查、自动化测试和独立验证。 工程实践不再是一套必须完整执行的流程,而是根据任务复杂度、业务风险和错误代价,动态决定投入多少。 当然,这里也有一个前提:AI 生成的文档、模型和测试同样可能出错。生成成本降低,不代表正确性就有了保障。 所以我认为,未来真正有价值的,不是让 AI 生成越来越多的工程文档,而是让需求、设计、代码和测试之间建立起可以持续验证的关系。 甚至可以再往前推一步。 未来优秀的软件工程师,可能不再是最擅长写代码的人,而是最擅长定义问题、约束执行和验证结果的人。 AI 负责把需求变成代码,人负责确保需求本身正确,以及代码真的解决了问题。当然,人依然需要足够的技术能力,才能判断 AI 的实现是否可靠。 软件工程没有消失,只是它最有价值的部分,正在从具体实现向需求定义、系统设计和结果验证转移。 而且这次变化,可能比从瀑布转向敏捷更加深刻。 因为过去几十年,我们一直在研究如何让人更高效地开发软件。而现在,我们还需要系统性地研究,如何让 Agent 可靠地参与软件开发。 这可能才是 AI Coding 真正值得讨论的地方。 最后也想问问大家,用了 Claude Code、Codex 这些工具之后,你们有没有一种感觉:写代码的时间确实少了,但花在需求描述、上下文管理和代码验收上的时间,反而越来越多了?

曝光 236 · 评论 3 · 点赞 1 · 书签 1

查看原帖