作者 | 馮英睿

隨著AI技術的進步，尤其是OpenAI的GPT-4等大型語言模型的出現，生成式AI正不斷改變我們對軟件工程的認識。本文試圖從多個角度分析生成式AI對軟件工程可能帶來的影響，包括我們對軟件本身的理解、對軟件卓越的定義、重新定義軟件工程能力以及團隊組成和文化等方面。

軟件由代碼和模型共同組成

Software = Codes + Models

我們發現大多數人在談到AI輔助研發軟件的時候，主要是指由代碼編譯的軟件，但軟件在今天早已不再僅由代碼編譯而成，而是由代碼與AI模型共同組成的。當我們談論研發提效的時候，也應該將AI工程提效加入進來一起考慮，而今天在基礎模型之上通過微調的方式讓開發AI模型的速度大幅提升。

同時由于AI涌現出來的能力，將在體驗創新和系統集成上帶來巨大的變化。從Microsoft365通過Copilot提升體驗，以及ChatGPT與Walframe的集成這兩個案例來看，隨著AI能力的進一步增強，未來將由AI把系統或平臺的各項能力進行整合，這也將進一步減少代碼在軟件中的比例。

所以在AI 2.0時代，我們需要更新對軟件的理解。AI模型在軟件中扮演越來越重要的角色，我們應該將軟件視為由代碼、數據和模型共同組成的系統。這意味著我們需要關注更大范圍的變化：

• 軟件代碼開發效率提升
• AI模型開發效率提升
• 代碼在整個軟件中的占比會下降

軟件代碼的可讀性要求降低？

Codes = Human Codes + Generated Codes

在毫無疑問AI可以為軟件生成正確代碼的今天，很多人都在問：對卓越代碼的要求，是否適用于所有的代碼呢？我們對于軟件卓越的認識也需要發生改變，如果軟件卓越的追求是旨在降低成本、范圍、時間并提高軟件的價值和質量，那么有兩個很有趣的觀點：

• 在滿足質量和功能要求的前提下，是否由更多AI生成代碼構建的軟件因成本更低所以更卓越
• 對于AI生成代碼的質量要求明顯和人類編寫的代碼不同

首先從成本角度來看，更多代碼由AI生成不僅僅意味著研發成本的下降。同時也意味著問題的定義和分解都更加清晰，架構和設計更加簡潔，否則AI很難自動生成可工作的代碼。

而如果某些功能和組件的代碼可以由AI重新生成，那么由AI生成代碼的可讀性也許不再值得特別關注。針對這一部分的代碼，用于生成代碼的注釋和測試才是更重要的。而生成的代碼可以在當模型升級時，通過生成的更好的代碼來替代，讓軟件獲得某種自我進化的能力。對于人類編寫的代碼而言，代碼的可讀性仍然非常重要。

重新定義軟件工程能力

Generated Codes = Correct Codes + Wrong Codes

生成式AI也要求我們重新思考如何評估軟件工程的能力。如果更卓越的軟件需要更多生成的代碼，那么是否可以認為：能夠生成更多正確代碼的人或團隊比別人更有能力？因為生成的代碼必然包括正確的代碼和錯誤的代碼。優秀的軟件架構師能夠找到更多生成正確代碼的方法。而為了更多的生成正確的代碼，通過降低AI學習的復雜性能有效提升生成內容的質量。這是因為：

• 需要AI直接生成的代碼越多越容易出錯。這是因為需要生成越多的內容，就意味著中間關鍵節點沒有打開，導致過程中有更高的概率使得AI不按照預期生成正確的結果
• 需要AI學習更多知識和了解更多上下文就越容易出錯。以自然語言數據分析為例，AI生成SQL和AI生成Pandas DataFrame操作代碼的難度是完全不同的，因為Pandas操作數據集的時候，不需要了解數據庫中如何去join數據，也不需要學會不同類型數據庫的特有語法和指令

所以優秀架構師和團隊在標準化設計、領域特定語言（DSL）設計和微服務拆分等工作將變得越來越重要，因為這些工作能顯著降低AI學習的復雜性。

另外值得關注的是，因為生成式AI模型還可以通過知識庫、模型微調等手段來提升能力，這使得知識工程或數據工程將成為軟件工程的一部分，這也將是未來軟件工程領域內一個非常有意思的領域。

非開發者也可以生產代碼

Correct Codes can be generated by BA + QA or Dev

隨著AI的代碼生成能力不斷提升的同時，如果團隊的工程師開發出了優秀的架構和框架，使業務分析師（BA）和質量保證工程師（QA）能夠直接交付許多功能，那團隊的人員組成比例必然會發生變化。這也將會帶來很多問題：

• 這是否意味著BA和QA的比例將會增加？以軟件工程師為主體的團隊結構的變化是否會導致工程師文化的稀釋？
• 優秀軟件工程師的成長路徑是怎么樣的？如果基本的工作都可以由其他角色完成，那初級開發人員的入門挑戰是否會提升難度？
• 因為QA和開發人員（Dev）之間工作內容的重疊，其差異將越來越模糊，QA與開發人員之間的區別又是什么？

很多問題都沒有確定的答案，但值得大家關注。總之，生成式AI對軟件工程產生了深遠的影響。我們需要更新對軟件本身的理解、重新定義軟件卓越的范圍、重新思考如何評估軟件工程能力，并關注團隊文化的影響。在這個過程中，軟件架構和設計能力以及數據工程能力變得更為重要。我們應該積極應對這些變化，以更好地適應AI 2.0時代的軟件工程發展。