AI写代码已成常态，软件工程的核心价值正转向问题拆解与系统掌控

在QCon全球软件开发大会2026（上海站）前夕，《极客有约》联合QCon举办了一场关于AI时代软件工程的深度对话。主持人吴子奇与小红书杨凯、阿里李峥峰、B站张忻正三位一线技术负责人共同探讨：当AI能完成从补全到重构、从单测到Code Review的全流程编码任务时，软件工程师的核心能力究竟发生了何种位移？

过去两年，AI Coding工具的能力跃升令人瞩目。早期仅支持行级补全，如今已可理解整个代码库结构、调用外部工具链、修改历史代码并运行测试用例。一位资深客户端工程师坦言：“现在一天产出1万行代码已不罕见，而两年前1000行已是高效表现。”但出人意料的是，团队并未因此感到“研发变轻松”，反而普遍反馈系统复杂度增长更快、协作冲突更频繁、质量问题更隐蔽。

这背后折射出一个关键转变：软件工程的重心正从“如何写代码”向“如何定义问题”迁移。杨凯指出，程序员的能力要求已分层——下层是编码实现，正被AI接管；上层则是问题拆解、架构审美与最终决策权。AI越快，系统膨胀越快，对上层能力的要求反而更高。“以前你写1000行，出错范围可控；现在1万行里藏一个逻辑漏洞，排查成本指数级上升。”

这一趋势也重塑了人才评估标准。校招面试中，基础计算机原理（操作系统、网络协议）仍是门槛，但更关键的是知识迁移能力与复杂系统掌控力。一名工程师能否理解自己产出的1万行代码的全局影响？当AI生成的模块出现异常时，他能否快速定位是输入偏差、上下文缺失还是模型幻觉所致？这些判断力无法被自动化替代。

值得注意的是，行业正从通用大模型转向专业化Agent架构。杨凯以“请顶级工程师上岗却不给适应期”作比：直接将通才模型投入小红书、B站等拥有数千万行历史代码、强业务耦合的系统中，无异于要求新人在几小时内交付符合全部隐性规则的模块。为此，业内兴起“Harness工程”实践——为AI构建专属上下文环境，注入业务知识图谱、架构文档与演进脉络，使其真正具备“项目感”。复旦大学彭鑫教授提出的“代码数字孪生”概念，正是对此路径的技术呼应：通过构建代码-业务-架构的三维映射系统，为AI提供可推理的语义底座。

影响AI Coding效果的最大变量，并非模型参数量，而是一头一尾：前端是上下文工程的质量，后端是测试闭环的完整性。杨凯特别强调，当前AI在客户端场景表现受限，主因是缺乏真机端到端验证能力。“模型只能做白盒单测，却无法感知屏幕渲染、手势响应或弱网抖动——这不是代码写得不好，而是测试没闭环。”他预测，传统“研发写代码、测试验结果”的割裂范式将被打破，未来80%~90%的测试工作将内嵌至编码过程，形成真正的测试驱动开发（TDD）闭环。

与此同时，确定性工程的重要性日益凸显。多位专家警告：若无明确约束机制，AI会因反馈偏差而“学坏”，且错误会被快速放大。例如，在缺乏规范的PR流程中，AI可能为追求简洁而牺牲可维护性；在无统一风格指南时，自动生成的代码将导致模块间耦合加剧。架构设计因此成为新护城河——良好的模块化与低耦合架构，不仅能支撑高并发协同，更能降低个体变更频率，避免PR反复rebase引发的冲突雪崩。

另一条暗线是个人开发者生态的演变。有开发者分享，借助AI两天即可完成过去需数周开发的烧烤配菜记录应用Beanslaw，一年内产出十余个小工具。这种“微创造”自由曾被视为AI带来的红利。但随着Claude Code、Codex等代理式编程工具兴起，AI开始自主执行完整任务链，用户逐渐丧失对中间过程的控制权。更深层的制约来自平台规则：苹果禁止第三方应用使用连续振动通知，99美元年费与审核机制仍构成事实上的“祭司阶层”壁垒。技术民主化尚未真正落地，协作式编程正被全自动代理模式悄然取代。

这场变革并非否定测试或编码的价值，而是对其内涵的重构。正如补充素材所警示：若将测试简化为“写自动化脚本”或“执行用例”，其消亡确属必然；但若承认测试本质是风险识别、业务验证与状态推演的能力，则其价值只会随系统复杂度上升而增强。同理，编码本身未消失，只是从“体力密集型”转向“认知密集型”——工程师不再耗时于语法细节，而需聚焦于需求澄清、边界定义与质量兜底。

在QCon 2026设立的【AI驱动的软件工程】专题中，上述议题将成为焦点。从研发Agent的工程化落地，到复杂系统中的确定性约束机制，再到测试与开发的融合路径，行业正试图建立一套适配AI时代的全新效能衡量体系。这套体系不再紧盯“人均日提交行数”，而更关注“需求到可运行系统的转化准确率”“AI生成模块的一次通过率”以及“跨模块变更的冲突下降幅度”。

软件工程从未如此依赖人的判断力，也从未如此需要工程化的确定性保障。当代码不再稀缺，真正稀缺的，是能驾驭复杂性的系统思维与敢于为质量负责的终极决策权。