一次內(nèi)部交流引發(fā)的思考：開(kāi)發(fā)范式正在發(fā)生什么變化，我們?cè)撛趺崔k

Vela 團(tuán)隊(duì) | 2026 年 3 月

緣起：一場(chǎng)聊了三小時(shí)的對(duì)話

3 月 17 日下午，我和我們 Vela 團(tuán)隊(duì)幾位小伙伴去找川總（小米聯(lián)合創(chuàng)始人）聊聊 AI。本來(lái)以為是一場(chǎng)輕松的分享會(huì)，沒(méi)想到一聊就是三個(gè)小時(shí)——而且越聊越深，從“工具怎么用”很快轉(zhuǎn)到了“寫(xiě)代碼這件事本身正在變”。

說(shuō)實(shí)話，川總?cè)昵熬驮谕?AI All-In，那會(huì)兒很多人覺(jué)得還早。但回頭看，他的判斷比大部分人提前了至少兩年：AI 不是一個(gè)“效率工具”，它正在改變我們寫(xiě)代碼的整個(gè)方式。

他舉了一個(gè)例子我覺(jué)得很生動(dòng)：當(dāng)年特斯拉說(shuō)“以后駕駛員可以閉著眼睛開(kāi)車(chē)”，多數(shù)人覺(jué)得是科幻，還早。結(jié)果呢？L2/L3 已經(jīng)到處都是，L4 也開(kāi)始落地了。同樣的事情正在程序員寫(xiě)代碼這件事上發(fā)生——從 GitHub Copilot 到現(xiàn)在各種 LLM 編程助手，“程序員”可以閉著眼睛“寫(xiě)代碼”這件事，比我們想象的來(lái)得快得多。

這些事讓我們不得不想一個(gè)問(wèn)題：工程師的工作邊界，是不是正在被重新定義？

一、可能這五件事，決定你在 AI 時(shí)代的競(jìng)爭(zhēng)力

1. 從“自己寫(xiě)”到“指揮 Agent 寫(xiě)”

川總用了一個(gè)詞叫“千軍萬(wàn)馬”，我覺(jué)得特別準(zhǔn)確。

未來(lái)衡量一個(gè)工程師的能力，不再是“你一天能寫(xiě)多少行代碼”，而是“你能同時(shí)指揮多少個(gè) AI Agent 協(xié)同工作”。已經(jīng)有團(tuán)隊(duì)自研了 Agent Team 編排系統(tǒng)，從需求拆解、代碼生成、測(cè)試到部署，全程自動(dòng)跑。人在整個(gè)自動(dòng)鏈路中可能是最大的瓶頸，人只需要負(fù)責(zé)定方向和拍板。

簡(jiǎn)單說(shuō)：工程師正在從“代碼匠人”變成“智能編排師”。核心能力不再是寫(xiě)代碼本身，而是拆解復(fù)雜任務(wù)、整合工具鏈、在多個(gè) Agent 協(xié)作中做決策。

2. TDD 不再是“最佳實(shí)踐”，而是“生存技能”

AI 寫(xiě)代碼快得可怕，但代碼垃圾也是多到更可怕。如果沒(méi)有測(cè)試和驗(yàn)證體系兜著，代碼量爆炸式增長(zhǎng)的同時(shí)，系統(tǒng)會(huì)迅速失控。這個(gè)時(shí)候，我們還得是靠AI解決AI的問(wèn)題，我們都知道今天AI 寫(xiě)測(cè)試用例和測(cè)試程序的速度和能力也是提升的快到可怕。

換句話說(shuō)，“會(huì)寫(xiě)代碼”首先要“會(huì)寫(xiě)清晰的測(cè)試用例”。

3. 系統(tǒng)架構(gòu)：AI 暫時(shí)還替代不了的能力

AI 可以幫你寫(xiě)代碼，但目前它還設(shè)計(jì)不好系統(tǒng)架構(gòu)。

架構(gòu)是高內(nèi)聚、松耦合的系統(tǒng)性思考，需要經(jīng)驗(yàn)、判斷力和全局視野。一個(gè)架構(gòu)混亂的項(xiàng)目，AI 越幫越忙；一個(gè)架構(gòu)清晰的項(xiàng)目，AI 如虎添翼。我目前認(rèn)為，未來(lái)核心工程師的價(jià)值，正在從“實(shí)現(xiàn)功能”轉(zhuǎn)向“設(shè)計(jì)出讓 AI 能高效工作的系統(tǒng)”。

這里面的含義很明確：系統(tǒng)設(shè)計(jì)、模塊化、可擴(kuò)展性這些“硬功夫”，在 AI 時(shí)代不但沒(méi)貶值，截止到今天來(lái)看，還是看起來(lái)更值錢(qián)的。

4. 知識(shí)圖譜是 AI 加速的”助燃劑”

這個(gè)時(shí)代，我們的先鋒工程師們正加速成長(zhǎng)，全面擁抱擁有近乎無(wú)限算力和數(shù)據(jù)的AI，并成為我們的智能合作伙伴。那今天我們要做出優(yōu)秀的產(chǎn)品和系統(tǒng)軟件，我們現(xiàn)在還缺的是什么？

我們覺(jué)得，現(xiàn)在還可能缺的是，專家工程師“縱深專業(yè)領(lǐng)域多年”積累的那些“踩過(guò)坑才知道”的知識(shí)沉淀，怎么能更友好地讓我們的AI智能伙伴第一時(shí)間知道。

包含那些調(diào)試硬件問(wèn)題時(shí)的最佳排查路徑、產(chǎn)品體驗(yàn)中某些特定場(chǎng)景中用戶問(wèn)題的隱藏坑、某個(gè)接口規(guī)范設(shè)計(jì)背后的深層原因——這些知識(shí)往往沒(méi)被很好地寫(xiě)下來(lái)，很多還只存在于優(yōu)秀的資深工程師的經(jīng)驗(yàn)里，沒(méi)有這些特定經(jīng)驗(yàn)型的知識(shí)，AI還一時(shí)做不到最優(yōu)秀的產(chǎn)品級(jí)的系統(tǒng)軟件。

所以在今天的AI編程時(shí)代，從組織上，系統(tǒng)化地梳理優(yōu)秀資深工程師們的個(gè)人的知識(shí)沉淀，然后整理成對(duì)AI友好，AI 更好學(xué)習(xí)、更好復(fù)用的知識(shí)，并構(gòu)建出團(tuán)隊(duì)和部門(mén)的特定的，成為整個(gè)部門(mén)AI加速的助燃劑“AI 智慧庫(kù)”，這件事情變得尤為緊急和重要。

5. 工程師不只是用工具，而是要造工具

今天的工程師的AI編程能力，在行業(yè)里被分為8個(gè)等級(jí)，排在最高等級(jí)的工程師們，他們AI生產(chǎn)力的爐火已經(jīng)被燒到純青，這純青的烈焰足以幫助他們鍛造出他們想要的任何形態(tài)的生產(chǎn)工具，在他們眼里，市場(chǎng)上流通著的那些生產(chǎn)工具可能是只能用來(lái)砍柴的農(nóng)具，只有他們那純青的爐火才可以冶煉出更精良的利器。

真正的AI編程高手遇到問(wèn)題的第一反應(yīng)可能不是“找一個(gè)工具”，而是“能不能用 AI 做一個(gè)專門(mén)解決這個(gè)問(wèn)題的工具”。這或許才是AI 編程時(shí)代的一種創(chuàng)新思維，或者說(shuō)至少是一個(gè)非常重要的方向。

二、說(shuō)實(shí)話：差距真實(shí)存在，但窗口還開(kāi)著

這次交流給我兩個(gè)深刻的感受：更興奮，同時(shí)也更緊迫。更興奮的是我們對(duì)AI 潛力的認(rèn)知有了更好的積累；那更緊迫的是，我們和最好的AI團(tuán)隊(duì)的差距確實(shí)正在拉開(kāi)。

川總的一句話讓我印象很深：“AI 使用時(shí)長(zhǎng)和進(jìn)化速度是指數(shù)關(guān)系。早期使用者的認(rèn)知深度會(huì)形成正向循環(huán)，越來(lái)越快，后來(lái)者追趕的難度會(huì)持續(xù)加大?！?/strong>

興奮和緊迫交織就會(huì)產(chǎn)生焦慮，持續(xù)焦慮就會(huì)失眠，那好處是失眠能讓我們有更多時(shí)間來(lái)思考。

今天，領(lǐng)先的團(tuán)隊(duì)確實(shí)已經(jīng)走得很遠(yuǎn)，但 AI 的終局是什么樣，大家應(yīng)該都還在持續(xù)摸索中。今天呈現(xiàn)出的形態(tài)可能只還是方向之一，這次巨大的變革遠(yuǎn)遠(yuǎn)還沒(méi)有到達(dá)終點(diǎn)。今天還在起點(diǎn)踟躕不前 ，或者已經(jīng)在剛出發(fā)路上的每一個(gè)人，我們都需要立即停下“我們的AI編程水平夠不夠先進(jìn)”，以及“工程師會(huì)不會(huì)被AI代替”這些持續(xù)性無(wú)謂的焦慮，現(xiàn)實(shí)地，其實(shí)很多人還沒(méi)有開(kāi)始真正地使用AI，更多人還沒(méi)有全面地?fù)肀I，更多更多的人追趕AI以及追趕那些AI領(lǐng)先者的速度還很慢。

我們只要從現(xiàn)在開(kāi)始，積累認(rèn)知，持續(xù)提速，窗口還在為每一個(gè)行動(dòng)起來(lái)的人們打開(kāi)。

在我們奔跑向AI的路上，如果我們?cè)俅问?，那就干脆坐起?lái)，和AI做一次深刻地好朋友之間的真誠(chéng)交流，也或許嘗試和她完成一個(gè)AI編程技術(shù)地深刻探討。

我們正在做的三件事，還只是AI成長(zhǎng)路途中的初步嘗試

• 端到端 Agent 工作流：部署基于 AI Agent 的協(xié)作平臺(tái)，把需求解析、代碼生成、測(cè)試到部署串起來(lái)，讓智能編排變成日常。
• AI 驅(qū)動(dòng)的質(zhì)量工程：把 TDD 和 AI Native 架構(gòu)設(shè)計(jì)貫穿到日常開(kāi)發(fā)中。寫(xiě)代碼快是好事，但前提是代碼質(zhì)量和系統(tǒng)彈性不能降。
• 團(tuán)隊(duì) Skill 的 AI 轉(zhuǎn)化：建一個(gè)簡(jiǎn)單規(guī)則：當(dāng)某個(gè)操作被團(tuán)隊(duì)里四個(gè)人以上重復(fù)做時(shí)，就把它提煉成 AI 可調(diào)用的智能模塊。經(jīng)驗(yàn)不封裝在個(gè)人腦袋里，而是變成團(tuán)隊(duì)的可復(fù)用資產(chǎn)。

還有知識(shí)圖譜，還有更多...，飛速成長(zhǎng)的我們，也許每次在新的一天醒來(lái)后，發(fā)現(xiàn)這些遠(yuǎn)遠(yuǎn)都還不夠...，我們需要持續(xù)加速...

誰(shuí)也不能在一夜之間變成 AI 專家，失眠了一整夜也不行，但從今天開(kāi)始，試試這些事：

• 用 AI Agent 跑一個(gè)你手頭正在做的真實(shí)任務(wù)，不是玩具項(xiàng)目，是真活兒

• 試著設(shè)計(jì)一個(gè)多步驟的 Agent 工作流，可能還不是很完美，甚至還很粗糙

• 把你最擅長(zhǎng)的那個(gè)領(lǐng)域里的一個(gè)經(jīng)驗(yàn)，寫(xiě)下來(lái)和AI交流，看看哪些是AI友好的知識(shí)庫(kù)

未來(lái)已來(lái)，只是分布不均。我們能做的，就是讓自己站在這個(gè)分布的前沿。