AI 没有改变什么
约 753 字大约 3 分钟
2026-06-01
AI 改变了软件工程的执行方式，但没有取消软件工程的基本责任。需求仍要清楚，设计仍要取舍，测试仍要证明行为，评审仍要发现风险，架构判断仍要对长期成本负责。
区别在于：这些能力不但没有过时，反而更重要了。
没变但更重要的事
| 工程原则 | 没有变 | 为什么更重要 |
|---|---|---|
| 需求清晰 | 仍要说明用户、目标、范围和验收 | AI 会在空白处自动补假设 |
| 设计取舍 | 仍要解释为什么这样做 | AI 可以快速生成多个方案，但不会自动知道组织约束 |
| 测试验证 | 仍要证明行为正确 | AI 生成的代码看起来合理，不代表覆盖边界 |
| 代码评审 | 仍要检查风险和可维护性 | AI 很容易产生局部正确、整体不稳的实现 |
| 架构判断 | 仍要控制长期复杂度 | AI 擅长局部推进，不天然负责长期演进 |
| 安全边界 | 仍要限制权限和数据暴露 | Agent 能执行动作，副作用比纯文本回答更真实 |
AI 放大的不是能力，而是反馈速度
过去，错误假设可能要几天后才进入代码。现在，一个模糊需求可能在几分钟内变成多个文件的 diff。
这意味着团队不能只提高生成速度，还要提高以下能力：
- 更早暴露不确定性。
- 更明确记录决策。
- 更快运行验证。
- 更严格审查副作用。
- 更稳定沉淀经验。
最容易误判的地方
| 误判 | 更准确的说法 |
|---|---|
| AI 会写代码，所以需求可以模糊一点 | AI 会补全模糊处，所以需求更要明确边界 |
| AI 能跑测试，所以人不用验证 | AI 可以帮你执行验证，但人仍要判断验证是否足够 |
| AI 能解释代码，所以文档不重要 | 文档和 spec 让 AI 读取的是稳定事实，而不是临时猜测 |
| AI review 够快，所以人工 review 可以取消 | AI review 扩大覆盖，人类仍负责接受风险 |
方法影响
AI 没有取消传统工程原则，反而要求它们变得更显式：
- 需求和行为变化进入 OpenSpec。
- 执行环境、工具和权限进入 harness。
- 验证和检查通过 Hook、测试和 review 前置。
- 解决过的问题进入 Compound Engineering 的知识复利链路。
判断清单
当你准备让 AI 参与一项工程任务时，先问：
- 目标和非目标是否写清楚？
- 哪些文件、模块或行为允许改变？
- 验收标准是否能被测试或人工检查？
- AI 可以执行哪些命令，不能执行哪些命令？
- 完成后哪些经验应该沉淀为 memory、skill 或 solution？
