夜雨聆风
AI 极大提升了生成效率，但质量关卡成了新的瓶颈
INSIGHT · 核心观点 AI 已经成为软件开发的主要执行者。真正的瓶颈不再是"能不能生成代码"，而是"怎么知道生成的代码是对的"。未来的软件工程师，是 AI 的指挥者、质量体系的设计者，以及高质量产品的守门人。 |
这两天一直在面试测试岗位。
准确来说，现在已经没有传统意义上的前端、后端、测试、设计这些岗位了。
去年开始，我们就在团队内部做了一次组织调整：所有研发相关岗位统一归为研发工程师（Software Engineer），只是每个人承担的职责有所不同。甚至在今年年初，我们还直接砍掉了设计岗位。
原因很简单。过去的软件开发模式是：
AI 辅助人完成工作。 |
而今天，我们认为真正高效的模式已经变成了：
AI 是主要执行者，人负责规划、判断和质量。 |
这个变化，比很多人想象得更快。
01. 最大的问题，已经不是写代码
今天的大模型，写代码已经越来越快，甚至可以在很短时间内生成前端页面、数据库设计和接口开发代码。但真正困难的地方，反而变成了另外一件事情：
你不知道它写得对不对。 |
AI 可以一分钟生成几百行代码，但由于其生成机制本身具有概率性，它始终存在错误的可能：
它永远都有可能犯错。 |
因此，未来的软件工程瓶颈已经不再是「生成」，而是：
如何保证生成结果的质量。 |
传统的软件工程依赖人工 Review、人工测试和人工验收，但 AI 将开发效率提升了一个数量级。如果测试仍然停留在手工执行、逐个 Case 验证，那么整个研发流程必然成为瓶颈。
所以我越来越相信一句话：
打败魔法的，只能是魔法本身。 |
未来的软件质量，同样必须依赖 AI 去保证。但这里很容易产生一个误解：好像只要把测试也交给 AI，一切问题就解决了。
实际上，AI 擅长的是执行，而不是思考。它可以高效生成测试用例、自动执行回归、快速覆盖大量场景，但它并不真正理解系统边界，也很难主动提出那些"应该被测试但还没有被想到"的问题。
真正有价值的，不是执行测试，而是思考：
质量工程师应该不断问自己的四个问题 这个系统最容易出错的地方在哪里？ 哪些场景是用户最可能踩坑的？ 哪些边界条件会导致系统崩溃？ 哪些隐含假设其实是不成立的？ |
这些问题，往往不是通过生成就能得到答案的。所以未来的质量工程，更像是一种"问题设计能力"。AI 负责执行，而人负责提出问题、定义标准、构建验证体系。真正负责质量的人，不再亲自执行测试，而是不断思考：
还有什么，是我们没有测试到的。 |
02. 面试中，我看到了三类开发者
第一类 · 仍然抗拒 AI | |
 心理惯性让他们背对着变化 这是最容易识别的一类。他们并不愿意接受 AI 已经改变软件工程这个事实，甚至会认为：
他们更多是在否认变化，而不是理解变化。这种抵抗来自一种心理惯性——一旦接受 AI，就意味着过去积累多年的工作方式需要重新学习。而改变，总是不舒服的。 |
第二类 · 停留在体验阶段 |
 看起来在用 AI，实际上并没有发生本质变化 这是人数最多的一类。他们已经意识到变化，也尝试过一些工具，但始终停留在浅尝辄止的阶段。体验过之后，又回到原来的工作方式，没有真正把 AI 融入流程，也没有形成稳定的使用习惯。 直到有一天，发现环境已经彻底改变，而自己还停留在原地——不是被 AI 唤醒，而是被淘汰。 |
第三类 · 已经走在 AI 前面 |
 他们像指挥家一样调度 AI——让 AI 承担真正的研发任务 这类人已经开始真正理解 AI，知道 Agent、Workflow、Context、Prompt 等核心概念，甚至已经在实际工作中让 AI 承担一部分研发任务。 但让我意外的是，他们中很多人仍然没有意识到，AI 带来的并不是简单的工具升级，而是岗位层面的重构。我在面试时经常问：如果未来没有测试岗位了，你准备做什么？ |
03. 水，已经烧开了
很多人直到今年才真正开始关注 AI，甚至不少名校毕业生、硕士毕业生（这里指的是已经有一定工作经验的人），也是最近才开始认真学习。反而是那些还没有毕业，或者刚刚毕业的年轻人，对 AI 的接受度和拥抱程度更高。
但现实的发展速度远比大家想象得更快。
过去一年 🐸 温水慢慢热 可以慢慢学，有时间 | 今年 ♨️ 水已经烧开了 变化不是未来，已经在发生 |
04. 一个建议与两个变化
💡 建议：先体验最好的模型 很多人对 AI 的判断，来自免费的模型、开源模型或国内平台。如果你的第一印象来自能力还不成熟的模型，很容易得出一个错误结论："AI 也不过如此。"真正领先的模型和普通模型之间的体验差距，远比大家想象得大。 |
变化一：测试正在变成质量工程
未来的质量工程师不再执行测试，而是设计问题
很多人喜欢讨论测试岗位会不会消失。我的答案是：传统意义上的测试会减少，但质量不会消失。未来真正重要的，不是测试（Testing），而是质量工程（Quality Engineering）。
AI 写代码、AI 生成测试、AI 执行测试、AI 验证结果。而质量工程师负责定义验证标准、设计测试体系、找出 AI 没发现的问题。他们更像站在产品对立面的"白帽黑客"，不断寻找系统最容易出错的地方。这种能力，在 AI 时代反而会越来越重要。
变化二：产品思维成为核心能力
未来，无论开发还是测试，都应该具备产品思维——不仅仅会写代码，不仅仅会完成任务，而是能够站在用户角度理解产品、理解业务、理解体验，理解真正需要解决的问题是什么。
AI 会越来越擅长执行，而真正难以替代的，是判断、规划、产品理解和系统思考。这些能力，未来会成为每一个研发工程师最重要的竞争力。
写在最后
这几天的面试让我更加确信一件事：AI 正在改变软件工程，但真正决定成败的，不是它写得有多快，而是它能否支撑高质量产品的交付。
AI 可以极大提升生成效率，但如果输出质量不稳定、不可靠，那么再快也没有意义。尤其是在企业环境中，面向客户的产品一旦缺乏严谨性，就很难建立信任，更谈不上获得认可与付费。
AI 时代的软件工程师 不再只是代码的编写者 而是 AI 的指挥者 质量体系的设计者 高质量产品的守门人 |
老孙正经胡说 · 2026
