AI 时代如何学习软件工程

演讲：Learning Software Engineering During the Era of AI | Raymond Fu | TEDxCSTU

核心问题

如果 AI 能写代码，学习软件工程还值得吗？

2001 年教授说"未来每份工作都是编程工作"，我们手握"黄金门票"。如今 GitHub CEO 说"编程的未来是自然语言"，AI 几秒就能生成整个项目——这张门票还在吗？

AI 能做什么 / 不能做什么

✅ AI 擅长的	❌ AI 做不到的
生成数千行代码	理解任务背后的"为什么"
语言间翻译	判断长期商业目标和权衡
创建 UI、修 bug	可靠——会幻觉、给出错误答案
重复性任务、模式识别	与人类沟通协作

一组关键数据：55% 的开发者用 Copilot，但仅 30% 直接接受 AI 输出不改。→ 不用 AI → 有麻烦；完全信任 AI → 麻烦更大。

把 AI 想象成一个聪明的初级开发者：做事快，但定义愿景、验证结果、确保对社会有益——这些还得靠人。

软件工程师的真正角色

写代码 ≠ 软件工程。真正的工作是：

• 理解用户需求

• 跨角色协作

• 带着同理心和责任感做艰难决策

最优秀的工程师不是写代码最快的，而是思考最深的。

三种关键角色：

角色	职责
系统架构师	设计最佳方案，用 AI 实现
AI 协作者	引导 AI 产出结构化、有意义的结果
伦理技术专家	确保方案真正造福人类

软件工程师的三大优势

#	优势	说明
1	更懂 AI	不仅会 prompt，还知道底层原理、模型、数据管道、风险和局限
2	更好地利用 AI 构建软件	别人能做 demo，你能构建可扩展、可靠、可长期维护的生产级系统
3	让 AI 变得更好	微调模型、优化性能、提升可用性——下一代 AI 还是由软件工程师建造

AI 在抬高地板，软件工程师在抬高天花板。

AI 时代的六条学习建议

#	建议
1	扎实基础  — 数据结构、算法、编程概念依然重要
2	像架构师一样思考  — 尽早达到高级工程师的视野，设计可靠可扩展的系统
3	跨全栈全学科  — 前端/后端/数据库不分家，还要涉猎设计、产品、数据、项目管理
4	练习沟通协作  — 能解释、能连接，将成为核心竞争力
5	把 AI 当作创意伙伴  — 学习 LLM、模型微调、RAG，像对队友一样与 AI 协作
6	保持适应力  — 工具会变，原则长存。学会如何学习

结语

当每个人都会写一点代码时，能精通这门手艺的人将为大家铺路，成为领导者。

未来的软件工程师不再是"程序员"，而是：

1. 有远见的人
   — 定义有意义的问题
2. 桥梁建造者
   — 连接工具、团队和学科
3. 领导者

— 不仅领导人类，也领导 AI

未来不属于写代码最快的人，而是属于思考最深、适应最快、协作最高效的人。

他们不是预测未来——他们建造未来。