一名咨询师的观察我是一名过程改进的咨询师。过去二十年我的工作是在各种软件团队中推行工程化实践代码审查、单元测试、持续集成、需求追溯……每一次我都面对同样的困境。不是技术问题。工具都有方法都懂。是人性问题。人会累。第一个月热情高涨所有检查都做三个月后开始简化只做关键检查半年后连形式都维持不住。人会妥协。“这次 deadline 太紧测试先不写。”“这个约束有特殊情况先绕过。”“文档来不及更新下次补。”人会抵触。“写测试浪费时间。”“代码审查是形式主义。”“需求跟踪矩阵有什么用”我逐渐认识到一个残酷的事实传统工程化的天花板不是技术是人性。人无法持续、一致地执行任何需要高度自律的流程。然后AI来了。这不是又一个技术工具。这是第一次我们有了一个永不疲惫、永不妥协、永不抵触的执行者。这改变了工程化的根本等式。一、AI编程为什么更应工程化1. AI放大了不规范的成本传统开发中一个人的不规范影响有限。他跳过测试、绕过架构、写出风格各异的代码——后果通常局限在自己模块内。但AI改变了这个等式。场景传统开发AI编程需求模糊一个开发者猜错AI猜错生成大量错误代码约束缺失按个人习惯偏差可控AI自由发挥偏离不可预测缺乏验证review发现问题AI生成的错误更隐蔽核心洞察AI不是替代工程化而是倒逼工程化。规范越精确AI越强大规范越模糊AI越危险。2. AI让隐性知识无处藏身传统开发中大量知识是隐性的“这个地方要注意性能”、“那个模块有历史原因别动”、“这个逻辑虽然看不懂但不能改”……这些知识存在于老员工脑子里通过口口相传传递。AI读不到隐性知识。它会欣然重写那个“不知道为什么不能动”的模块。这意味着隐性知识必须显性化。说不清的必须写清楚凭经验的必须变成规则靠记忆的必须沉淀为文档。这不是AI的缺陷是AI的强制升级机制。它在逼迫团队做那些“应该做但一直没做”的事。3.人性困境AI没有人的三重困境能力困境人能写“响应时间100ms”但无法在每个函数中记住并执行意愿困境人不愿做枯燥的事——写测试、更新文档、跑完整验证疲劳困境人会累会松懈会“这次先跳过”这三个困境AI一个都没有。二、AI编程为什么更能工程化1. AI的特性完美匹配工程化需求维度人AI持续注意力有限易疲劳无限永不疲劳执行一致性因人、因时而异永远一致枯燥任务抗拒、拖延无感、精确、完整约束遵守软性硬性捷径倾向总是寻找不存在AI不是更好而是唯一能“永远严格执行”的存在。2.人可以做到的事理解业务上下文做出价值判断处理模糊和矛盾定义目标和约束进行创造性设计3. AI可以做到的事24x7不间断执行检查每一次都完整执行不抽样严格遵守约束无例外自动维护追溯关系审计全量代码库不遗漏4.一个关键区分人负责定义AI负责执行这是新的分工模型人的职责定义业务规则、架构约束、质量标准、验证门禁AI的职责严格按照定义生成代码、运行验证、维护追溯、执行审计这个分工首次让“严格执行工程化”成为可能。三、作为咨询师我正在定义的规范基于以上思考我试图定义一套AI编程的工程化规范。它不是给AI看的提示词技巧而是一套让AI在工程化轨道内运行的整体方案。规范的核心要素1. Spec必须可执行AI需要的不是描述是可验证的约束。#不是这样description:用户登录失败3次后锁定账户#是这样spec:constraint:type:state_machinetransitions:-from:activeon:login_failureguard:failure_count 3to:lockedverification:login_lockout.test.js2.建立分层验证层级验证内容自动化方式L1Spec自身质量spec validateL2需求→设计追溯spec traceL3设计→代码契约契约测试L4运行时约束策略引擎3. Rules与Specs分离Rules全局、低频变更、硬约束如“业务逻辑与IO分离”Specs局部、高频变更、功能约束如“登录失败3次锁定”AI生成代码时Rules是必须遵守的底线。4.验证必须自动化且不可跳过所有验证必须在CI中自动执行且无法绕过。AI不会“忘了跑测试”但需要确保它“不能选择不跑”。5.追溯关系自动维护RTM需求跟踪矩阵不再是人维护的Excel表格而是AI在每次代码变更时自动更新的双向链接。流程设计的核心思路我将整个开发流程建模为一系列EVTX活动每个活动都有明确的输入输出和验证门禁E输入进入准则上游契约V验证质量标准验证契约可自动执行T转换活动AI执行受E和X约束X输出退出准则下游契约AI在每个阶段结束时必须通过验证才能进入下一阶段。不通过AI自己修复。四、一个根本性的转变这场变革的核心不是效率不是速度不是“用AI替代程序员”。核心是我们第一次有能力真正做到“严格遵循规范”。过去二十年所有过程改进的努力都在与人性对抗。我们设计再好的流程最终都会被人的疲劳、妥协和抵触消解。现在AI愿意并且能够严格执行。人的角色从“执行者”转变为“定义者”和“决策者”。这不是人的降级是人的升级——从繁琐的执行中解放出来专注于更有价值的设计和判断。AI编程更应工程化因为AI放大了混乱的代价。AI编程更能工程化因为AI具备人没有的执行力。这不是选择题。对于任何希望提升软件工程成熟度的团队来说这是唯一的路。而作为过程改进咨询师我的工作不再是“说服人遵守流程”。我的工作是定义一套让AI去执行的规范。这可能是过去二十年这个领域最激动人心的变化。
AI编程更应工程化，AI编程更能工程化
一名咨询师的观察我是一名过程改进的咨询师。过去二十年我的工作是在各种软件团队中推行工程化实践代码审查、单元测试、持续集成、需求追溯……每一次我都面对同样的困境。不是技术问题。工具都有方法都懂。是人性问题。人会累。第一个月热情高涨所有检查都做三个月后开始简化只做关键检查半年后连形式都维持不住。人会妥协。“这次 deadline 太紧测试先不写。”“这个约束有特殊情况先绕过。”“文档来不及更新下次补。”人会抵触。“写测试浪费时间。”“代码审查是形式主义。”“需求跟踪矩阵有什么用”我逐渐认识到一个残酷的事实传统工程化的天花板不是技术是人性。人无法持续、一致地执行任何需要高度自律的流程。然后AI来了。这不是又一个技术工具。这是第一次我们有了一个永不疲惫、永不妥协、永不抵触的执行者。这改变了工程化的根本等式。一、AI编程为什么更应工程化1. AI放大了不规范的成本传统开发中一个人的不规范影响有限。他跳过测试、绕过架构、写出风格各异的代码——后果通常局限在自己模块内。但AI改变了这个等式。场景传统开发AI编程需求模糊一个开发者猜错AI猜错生成大量错误代码约束缺失按个人习惯偏差可控AI自由发挥偏离不可预测缺乏验证review发现问题AI生成的错误更隐蔽核心洞察AI不是替代工程化而是倒逼工程化。规范越精确AI越强大规范越模糊AI越危险。2. AI让隐性知识无处藏身传统开发中大量知识是隐性的“这个地方要注意性能”、“那个模块有历史原因别动”、“这个逻辑虽然看不懂但不能改”……这些知识存在于老员工脑子里通过口口相传传递。AI读不到隐性知识。它会欣然重写那个“不知道为什么不能动”的模块。这意味着隐性知识必须显性化。说不清的必须写清楚凭经验的必须变成规则靠记忆的必须沉淀为文档。这不是AI的缺陷是AI的强制升级机制。它在逼迫团队做那些“应该做但一直没做”的事。3.人性困境AI没有人的三重困境能力困境人能写“响应时间100ms”但无法在每个函数中记住并执行意愿困境人不愿做枯燥的事——写测试、更新文档、跑完整验证疲劳困境人会累会松懈会“这次先跳过”这三个困境AI一个都没有。二、AI编程为什么更能工程化1. AI的特性完美匹配工程化需求维度人AI持续注意力有限易疲劳无限永不疲劳执行一致性因人、因时而异永远一致枯燥任务抗拒、拖延无感、精确、完整约束遵守软性硬性捷径倾向总是寻找不存在AI不是更好而是唯一能“永远严格执行”的存在。2.人可以做到的事理解业务上下文做出价值判断处理模糊和矛盾定义目标和约束进行创造性设计3. AI可以做到的事24x7不间断执行检查每一次都完整执行不抽样严格遵守约束无例外自动维护追溯关系审计全量代码库不遗漏4.一个关键区分人负责定义AI负责执行这是新的分工模型人的职责定义业务规则、架构约束、质量标准、验证门禁AI的职责严格按照定义生成代码、运行验证、维护追溯、执行审计这个分工首次让“严格执行工程化”成为可能。三、作为咨询师我正在定义的规范基于以上思考我试图定义一套AI编程的工程化规范。它不是给AI看的提示词技巧而是一套让AI在工程化轨道内运行的整体方案。规范的核心要素1. Spec必须可执行AI需要的不是描述是可验证的约束。#不是这样description:用户登录失败3次后锁定账户#是这样spec:constraint:type:state_machinetransitions:-from:activeon:login_failureguard:failure_count 3to:lockedverification:login_lockout.test.js2.建立分层验证层级验证内容自动化方式L1Spec自身质量spec validateL2需求→设计追溯spec traceL3设计→代码契约契约测试L4运行时约束策略引擎3. Rules与Specs分离Rules全局、低频变更、硬约束如“业务逻辑与IO分离”Specs局部、高频变更、功能约束如“登录失败3次锁定”AI生成代码时Rules是必须遵守的底线。4.验证必须自动化且不可跳过所有验证必须在CI中自动执行且无法绕过。AI不会“忘了跑测试”但需要确保它“不能选择不跑”。5.追溯关系自动维护RTM需求跟踪矩阵不再是人维护的Excel表格而是AI在每次代码变更时自动更新的双向链接。流程设计的核心思路我将整个开发流程建模为一系列EVTX活动每个活动都有明确的输入输出和验证门禁E输入进入准则上游契约V验证质量标准验证契约可自动执行T转换活动AI执行受E和X约束X输出退出准则下游契约AI在每个阶段结束时必须通过验证才能进入下一阶段。不通过AI自己修复。四、一个根本性的转变这场变革的核心不是效率不是速度不是“用AI替代程序员”。核心是我们第一次有能力真正做到“严格遵循规范”。过去二十年所有过程改进的努力都在与人性对抗。我们设计再好的流程最终都会被人的疲劳、妥协和抵触消解。现在AI愿意并且能够严格执行。人的角色从“执行者”转变为“定义者”和“决策者”。这不是人的降级是人的升级——从繁琐的执行中解放出来专注于更有价值的设计和判断。AI编程更应工程化因为AI放大了混乱的代价。AI编程更能工程化因为AI具备人没有的执行力。这不是选择题。对于任何希望提升软件工程成熟度的团队来说这是唯一的路。而作为过程改进咨询师我的工作不再是“说服人遵守流程”。我的工作是定义一套让AI去执行的规范。这可能是过去二十年这个领域最激动人心的变化。
