跳至内容
软件工程的重生01-为什么AI时代更需要工程思维

软件工程的重生01-为什么AI时代更需要工程思维

所属专题:软件工程的重生

一、误解与本质

配图

当ChatGPT、Claude、Cursor等AI编码工具展现出惊人的代码生成能力时,技术社区出现了一种声音:"我们还需要软件工程吗?AI已经可以直接写代码了。"

这个观点的背后,是一个根深蒂固的认知误区——将软件工程等同于编码技术。

这就像是把建筑学等同于砌砖技术,把医学等同于开处方的能力。 当我们看到机械臂可以完美地砌砖时,我们不会说不需要建筑师了;当我们看到AI可以辅助诊断时,我们也不会说不需要医生了。

软件工程从来不是关于"如何写代码"的学问,而是关于如何构建、交付和演进复杂系统的学问。AI的崛起不是让软件工程变得过时,恰恰相反,它让软件工程的价值前所未有地凸显出来。

对软件工程的重新理解

在传统的认知中,软件工程常常被简化为一系列技术实践:设计模式、代码规范、测试方法、版本控制。但这些只是工具和手段,软件工程的本质在于将软件开发视为一个工程问题来管理。

什么是工程问题?工程问题的核心在于:

  • 在约束条件下寻找可行解:时间、预算、人力、技术能力都是约束
  • 在多个目标间寻找平衡:功能完整性、代码质量、交付速度、维护成本都需要权衡
  • 面向长期价值而非短期实现:系统需要演进、扩展、维护,而不只是"能跑就行"

软件工程关注的是整体交付能力,而不是局部实现技巧。它要回答的问题不是"这个算法怎么写",而是:

  • 我们要解决什么问题?
  • 为什么现在要解决这个问题?
  • 解决方案的边界在哪里?
  • 如何确保交付的质量?
  • 如何在变化中保持系统的稳定性?
  • 如何让系统能够持续演进?

从代码到系统的维度跃迁

配图

  • 代码是一维的——它是线性的指令序列。
  • 模块是二维的——它是代码的组织和边界。
  • 系统是三维的——它是模块的交互和整体行为。
  • 软件工程是四维的——它还包含了时间维度上的演进和变化。

AI擅长的是第一个维度。它可以生成语法正确、遵循模式、解决特定问题的代码。

但软件工程运作在更高的维度:

  • 空间维度:模块如何划分?接口如何定义?依赖如何管理?架构如何演进?
  • 时间维度:今天的设计是否能支撑明天的需求?如何在不重写的情况下扩展?技术债务如何管理?
  • 人的维度:团队如何协作?知识如何传承?决策如何达成共识?

这些维度的复杂性,不是通过优化单个模块的代码质量就能解决的。这需要的是系统性思维和工程化管理。

二、AI的能力与局限

需求清楚、例子充足时,编码工具很适合迅速写出第一版。值得细看的是,这个“清楚”从哪里来。

配图

先问场景。 需求里说“尽快”,究竟是客户等不起,还是运营想少看一屏?工具可以列出两种解释,要辨别哪种是真的,得去问使用者。

再比方案。 把现有接口、预算和维护人手交代清楚,AI 可以帮忙比较快交付和易维护的方案。缺一条条件,排名就可能倒过来。团队得说明自己为什么愿意承担那个后果。

最后定责任。 能指出一个跨模块隐患,不等于对上线负责。谁签字、谁值班、什么信号一出现就撤回,这些安排才把一次建议变成工程决定。

AI能够高效地回答"如何做"的问题,但软件工程要回答的是"做什么"和"为什么做"的问题:

  • 我们真的需要这个功能吗?
  • 这个功能的价值是什么?
  • 现在是做这件事的正确时机吗?
  • 这个方案的长期影响是什么?
  • 有没有更简单的解决方案?

差别不在于谁能写出一份像样的比较,而在于谁能代表团队作决定,并在判断落空时改正。

三、软件工程价值的重新显现

配图

一个模块能很快改完,整套系统却要等旁边两个团队确认接口才能发版。在这种时候,系统整合会接过原先在编码上的瓶颈。

Vibe Coding 让更多人能同时写出东西。各人省下的时间,最后能不能合成一次更快的交付,要看这些东西怎样接到一起。

这正是复杂性管理的问题。把相关接口和依赖放在一起,工具也能帮我们发现冲突。可一处修改值不值得让另一个团队改排期,光看两份代码还看不出来。

架构一致性、接口规范、技术栈统一、质量标准——这些问题的答案不在代码里,在软件工程的实践里。

配图

一段生成的代码今天能跑,是个不错的起点。再往下看,至少还有三个层面的质量要分别回答:

  • 代码级质量关注的是正确性和效率;
  • 系统级质量关注的是模块组合后的整体行为;
  • 工程级质量关注的是时间维度上的可持续性。

一个系统可以在今天运行得很好,但如果缺乏可测试性,它在未来会变得脆弱;如果缺乏可观测性,它在出问题时会变成黑箱;如果缺乏可扩展性,它在业务增长时会成为瓶颈;如果缺乏可维护性,它会逐渐腐化为技术债务。

最深层的危险在于:当实现变得容易时,我们可能会陷入为了实现而实现的陷阱。软件开发中最大的浪费从来不是写了低效的代码,而是构建了错误的东西。AI放大了这个风险——它让构建任何东西都变得容易,但并没有让我们更清楚应该构建什么。

这里有一个根本性的认知转变:软件的价值不在于功能的数量,而在于解决问题的精准度。一个复杂的系统不一定比简单的系统更有价值;一个功能完备的产品不一定比功能克制的产品更成功。

软件工程的核心价值,就是这种价值判断能力——在无限的可能性中,识别出真正重要的那部分。这需要对业务的深刻理解,对用户的真实洞察,对长期影响的前瞻判断。

四、范式转变与能力重构的呼唤

配图

当AI可以代替我们写代码时,软件工程不是变得不重要了,而是从技术细节中解放出来,回归其本质——对复杂性的管理,对价值的追求,对长期的规划。

这标志着一个根本性的范式转变。软件工程不再是关于"如何更快地实现",而是关于"如何做出正确的决策"。不再是关于"写什么代码",而是关于"构建什么系统"。不再是关于"技术的深度",而是关于"价值的洞察"。

我们不是不再需要软件工程,我们是比以往任何时候都更需要软件工程。

因为当实现变得廉价时,正确的决策就变得无价。当AI能很快交出一份实现时,知道生成什么代码就成了核心竞争力。当技术不再是瓶颈时,对业务的理解、对价值的判断、对方向的把控,就成了稀缺能力。

AI改变了软件开发的生产力曲线,但软件工程定义了这条曲线的方向。方向错了,速度越快,偏离越远。

然而,理解软件工程的必要性只是起点。一个更深刻的问题随之而来:

  • 在AI可以协助实现的今天,软件工程师究竟应该掌握什么?
  • 如何从代码的执行者转变为价值的创造者?
  • 如何在AI时代重新定义自己的能力边界?

传统的软件工程能力模型建立在"实现复杂性"之上——算法、数据结构、设计模式、编程范式。但当AI可以瞬间检索并应用这些知识时,这个模型需要重构。

这不是一个简单的技能清单问题,而是一个关于能力本质、知识价值、职业演进的深层追问。

从技术深度到系统广度,从实现能力到决策智慧,从个体产出到组织影响——这条进化之路,需要我们重新思考什么是软件工程师真正的核心竞争力,需要我们在能力与知识的双重维度上完成深刻的重构。

接着读能力篇:AI时代工程师该掌握什么。

本文写作中使用了 AI 辅助。文字采用 CC BY-NC-SA 4.0 许可。

最后更新于