AI对软件工程的触动与变革

演讲人:许士伟 (金山办公) | 日期:2025年11月4日

软件工程的基石:工程三角与设计哲学

📐工程 (Engineering)

一门关于“如何制作产品”的学问,通过三大方法论将大目标分解:

  • 模块 (Module):空间维度拆解,将大系统分解为独立模块。
  • 迭代 (白的):时间维度拆解,逐步迭代,逼近最终目标。
  • 实施 (办公室):人力资源维度拆解,将任务分配给不同团队。

🎨设计 (Design)

核心是“决策”,决定“做什么”和“怎么做”。演讲者认为,顶级产品经理和架构师做的都是设计决策,而非简单的执行。

💼商业 (Business)

所有工程和设计活动的最终目标,追求社会价值与商业价值的统一,本质是投资回报率(ROI)。

💡“好产品”的定义

“好产品是用最少的功能实现最大的需求覆盖。”

这个定义强调了ROI思想:功能是成本,需求覆盖是价值。功能越少、满足的需求越广,产品就越好。演讲者以Go语言为例,其关键字极少,但表达能力强大,是这一哲学的典范。

🏛️“好架构”的逻辑

架构设计的逻辑与产品设计完全一致,同样追求ROI。一个模块的价值体现在“被引用的次数”

  • 错误架构: 将需求与模块一一对应,导致模块仅被一个上游使用,这是一种“伪模块”,本质上是高耦合。
  • 正确架构: 将每个模块视为一个独立的、有更广阔前景的业务/产品来设计,使其能被多个不同场景复用。
“架构最核心的能力,其实是对公共抽象的能力。”

🌟终极典范:CPU架构

演讲者认为,经典的CPU和计算机体系结构是“好产品”和“好架构”的终极典范。自70年代诞生以来,其核心功能(架构)从未改变,但其上层应用(需求覆盖)从大型机演化到了手机、机器人,满足了无限可能。

AI如何重塑软件开发生命周期 (SDLC)

📝产品设计:产出物革命

AI将彻底改变产品经理的工作流和产出物。

  • 现状: 产出物是“圆形图”(原型图、文档),是无法直接运行的中间介质。
  • 未来: 在AI的帮助下,产品经理的产出将是可直接运行、可交互的产品雏形。这些产出物将成为可被管理的“软件资产”。
  • 趋势预测: 产品设计领域将出现类似开源软件的“开源市场”,产品设计的流程会趋向标准化和工业化

🏛️架构设计:人机协同新范式

AI是强大的“副驾驶”,但无法取代架构师的核心判断。

  • AI能做的: AI可以很好地辅助设计,根据需求生成多种架构方案供选择。
  • AI难做的: 演讲者认为,AI很难进行最终的、具有决定性的拆分判断(“帮你去拆拆的”)。这个最高层的决策,仍然需要人类的经验和智慧。
“架构的好坏仍然是自己判定。”

💻开发与测试:确定性流程的加速器

开发和测试是目标明确、确定性高的“强过程”,因此是AI最擅长的领域。AI能极大地提升这两个环节的效率。

然而,高效的背后潜藏着巨大的风险。演讲者强调,最大的误区就是认为AI写的代码逻辑上是可靠的,而他的亲身经历证明了事实恰恰相反。

核心案例深度剖析:AI编码的陷阱

📖案例纪实:一个隐蔽Bug的诞生过程

⚙️

1. 任务下达与方案生成

演讲者向AI下达为编译器添加新功能的任务,AI迅速生成了三个备选方案,他选择了其中最优的一个。

🐛

2. 缺陷的引入与演变

初版代码存在明显的功能缺失(“一上缺了一个小块”)。在指令AI修复此问题后,新生成的代码虽然补全了功能,却引入了一个更隐蔽的、与语法细节相关的逻辑错误(“一个细节就不太对”)。

⚠️

3. 问题的最终暴露

这个逻辑错误在常规代码审查中未能发现,直到交付前的“连续进行测试”阶段才最终暴露。这证明了该缺陷能够轻易躲过开发阶段的常规检查。

💡核心观点:从实践中提炼的质量新思维

“大家会有一个误区,会认为说大模型今天很牛逼,它写出来的代码不太可能出现逻辑问题... 事实证明AI写的代码是会实现问题的。”

🎭观点一:“高质量”的幻觉

AI代码最危险的陷阱是其表面的“高质量”。它语法正确、风格统一,容易让人误以为其逻辑也同样可靠。

但实践证明,AI代码的“高质量”仅限于语法层面,其逻辑层面是不可信的。人类工程师必须承担起逻辑正确性的最终审查责任。

🎯观点二:测试的重心转移

既然AI会引入隐蔽的逻辑错误,那么测试就变得空前重要。但测试的关注点和方法论也需要随之进化。

  • 人类的职责转变:工程师的核心工作不再是手动编写每一个测试用例,而是转变为设计高质量的测试策略
  • AI成为测试的盟友:虽然AI可能制造了问题,但它也是提升测试能力的强大工具,可以依据人类设计的策略大规模生成测试用例,提升覆盖率

在这种新模式下,人类负责“测试的智慧”,AI负责“测试的体力”

未来展望与行动建议

🏢思想实验:AI重塑公司边界

演讲者引用了他在书中的一个思想实验:传统公司在“内部自建”和“外部采购/外包”之间做决策。而AI的出现,提供了一个近乎无限弹性的“虚拟劳动力”。

这意味着,公司内部的核心团队可以瞬间“调用”成千上万个“AI员工”来完成确定性的开发任务,这从根本上改变了企业的成本结构和生产力边界。

📈对行业和从业者的影响

  • 人力结构变化:单个项目所需的“人数变少是必然的”
  • 竞争优势转移:企业的“比较优势”将体现在如何构建高效的人机协同流程上。善用AI的团队将获得压倒性的效率优势。
  • 项目总量增加:虽然单个项目人力减少,但由于开发成本降低,全社会的项目总数可能会大幅增加。

最终结论与行动号召

对工程师的行动建议

  • 技能升级: 核心技能从“手写代码”转向“精确描述问题”、“审核与评估AI产出”和“系统级设计与思考”。
  • 拥抱工具: 将AI Copilot类工具深度集成到日常工作流中,探索最高效的人机协作模式。
  • 保持审慎: 培养对AI产出的批判性思维,始终将自己定位为质量和逻辑的最终负责人。

对企业的行动建议

  • 立即行动:
    “应该在现在就一直到(拥抱AI),因为这个东西几乎是必然的。”
  • 流程再造: 重新设计开发流程,建立适应AI时代的规范,包括AI代码审查标准、自动化测试策略等。
  • 投资人才: 鼓励和培训团队掌握与AI高效协同工作的能力,这是未来构建企业核心技术优势的关键。

原文

源链接