软件工程不是写代码!谷歌DeepMind高管坦言:代码接近免费,但程序员最难的工作才刚开始!

大家好，我是互联网架构师！

凌晨两点，PagerDuty 响了。值班工程师小林打开监控面板，CPU 飙到 95%，数据库连接池打满，缓存命中率跌到谷底。他第一反应是："今天没发版啊？"查了一圈，最后定位到三周前 merged 的一个 PR——一个"优化查询性能"的小改动，Claude Code 生成的，代码 review 通过了，单元测试全绿，QA 也点过头了。逻辑上，它完全正确。它只是"正确"地绕过了系统里一条没人写进文档的隐性规则。

今年 6 月，旧金山 Moscone West，AI Engineer World's Fair。一位头发花白的老工程师走上台，开口第一句话就把全场干沉默了：

"Software engineering is not about writing code."

台下坐着几千个靠写代码吃饭的人。有人皱眉，有人笑了，更多人等着听他怎么圆回来。

他叫 Benoit Schillings，Google DeepMind 的研究总裁，同时也是一个写了 45 年代码的老程序员。从 Apple II 上的 6502 汇编，到 Commodore 64 的游戏开发，到 C++ 的编译器时代，再到今天用 Python 和 Vibe Coding 写 AI 基础设施，他几乎经历了软件开发史上的每一个时代。

我坐在屏幕前看录播，听到这句话时，正好收到小林那个事故的复盘邮件。那一刻我突然明白了——不是 AI 写错了，是我 review 错了。 我还在用"看逻辑"的方式审代码，但软件工程早就不是逻辑题了。

一、3500 万行 PHP，才是软件工程开始的地方

Benoit 讲了一个场景：你第一天入职，Leader 丢给你一个代码库——3500 万行 PHP。你的任务是在不破坏系统的前提下，改一处业务逻辑。

这时候你才发现，"写出一段能运行的代码"只是第一步。真正的挑战是：你知不知道这行代码会触发哪些依赖？会不会绕过权限边界？会不会把一次普通查询变成性能瓶颈？会不会破坏某个 2015 年埋下的历史兼容行为？

单元测试通过了，不代表这次修改适合整个系统。CI 绿灯了，不代表线上不会炸。

这让我想起小林的事故。那行代码做了什么？它把原来分散的三个查询合并成了一个 JOIN。从 SQL 优化角度，这是教科书级别的写法——减少 round trip，降低网络开销，执行计划也更干净。Claude Code 在生成它的时候，甚至附了一段注释说明优化原理。

问题出在上下文之外。这个服务跑在一个十五年历史的系统上。2015 年某个工程师为了解决一个已经没人记得的并发问题，在代码里埋了一条隐性契约：这三个查询必须分开执行，因为中间要穿插一个分布式锁的释放操作。 这条规则没有写进任何文档，单元测试里也没有覆盖这个场景——因为当时的工程师觉得"这太显然了，不可能有人去合并它们"。

AI 不知道这段历史。它读到了代码，分析了 schema，看到了索引，然后给出了一个"更优"的方案。

逻辑正确，上下文错误。

这就是 Benoit 眼里的软件工程：它不是关于代码的正确性，而是关于改动的后果。人类目前仍擅长把系统放进更宽的上下文里，找到模式，然后判断一个技术决定会留下什么后遗症。这是开发者在 Agent 时代需要保住的核心能力。

二、代码正在免费，但系统的账才刚开始算

Benoit 做了一个判断："Writing code is free or nearly free."

这不是夸张。GitHub Copilot、Claude Code、Cursor Composer，这些工具已经让代码生成的边际成本趋近于零。以前团队会因为开发资源不够，拒绝一个边缘需求；现在 Agent 几分钟就能实现，类似功能很容易全部涌入代码库。

Benoit 还丢了一个更惊人的数字：GitHub 上大约 80% 的新代码，现在是机器生成的。

但软件的总成本不会跟着清零。代码量暴涨之后，开发者得继续支付设计、验证、运行、安全和长期维护的成本。生成只发生一次，后面每个版本都要与它相处。短期的开发速度提高了，运维面积、攻击面和测试组合也一起变大了。

更隐蔽的问题是训练数据正在枯竭。当 AI 生成的代码占比越来越高，人类写的"高质量训练数据"占比就越来越低。模型们开始大量吃自己生成的代码做训练，就像一个人对着镜子练肌肉——看起来在变壮，其实是在自我循环。Benoit 提到，DeepMind 正在用类似 AlphaZero 的"自对弈"（self-play）思路来解决这个问题：让模型自己生成编程挑战、自己验证、自己迭代，试图突破人类代码库的天花板。

Benoit 打了个比方：以前我们围绕"写代码最难、成本最高"这个假设，建立了整套软件工程文化、基础设施和公司。现在地基松动了，上面的建筑还没反应过来。

《Pragmatic Engineer》今年做了一项调查，900 多个工程师参与，结果挺让人不安的：代码库质量似乎在下降。 AI 生成的代码越来越多，但理解这些代码的人越来越少。维护负担正在落在越来越少的工程师身上——那些还愿意、还能够深入底层的人。

三、函数和模块，从为人脑减负到为 Agent 服务

Benoit 把软件开发分成了几个阶段。

早期，限制程序的是机器。内存少，处理器慢，工程师要从硬件里挤出最后一点性能。计算资源降价后，这个矛盾退了下去。

系统越来越大，新瓶颈出现了：代码库规模太大，单个工程师不可能记住并理解其中所有代码。于是我们发明了函数、模块、命名规范、接口和文档——它们都在帮人把复杂系统切成可以理解的小块，让几百名工程师能在同一个代码库里合作。

现在 Agent 能读取整个仓库，人类的上下文限制不再是唯一尺度。但 Benoit 认为，模块化不会因为模型记性更好就立刻消失。它的服务对象开始多了 Agent——团队还需要理解、审查、交接和维护这套系统。只不过，模块化的目的从"让人脑装得下"，变成了"让 Agent 和人类都能可靠地推理"。

这里需要直面一个现实：AI 的能力是分层的不均匀。

Benoit 在演讲里给 AI 画了一张成绩单：

• 语法生成（Syntax Generation）：95% —— 超人水平

• 多步代码库规划（Multi-step Codebase Planning）：45% —— 勉强及格

• 架构系统决策（Architectural System Decisions）：28% —— 不及格

什么意思？让 AI 写一个函数、一个类、甚至一个模块，它大概率比你写得好、写得快。但让它设计一个能扛住三年业务演进的系统边界，让它判断"这个改动会不会在半年后引入技术债"，让它预测一个安全漏洞在真实攻击路径上的利用方式——它还在摸索。

小林那 500 行权限代码就是典型。Claude Code 在"语法生成"层拿了满分：变量命名规范、类型注解完整、异常处理周到、测试覆盖率 90% 以上。但它没意识到，那两个校验函数之所以串行，不是因为前任工程师不懂并行优化，而是因为中间夹着一道分布式锁的释放——这道锁的存在，从来没有被写进任何文档或注释里。

人类工程师的优势，恰恰在于这种"上下文嗅觉"。我们知道 2015 年埋下的兼容逻辑，记得三年前那次事故后加的兜底方案，能闻到"这行代码看起来没问题，但放在整个系统里有点怪"的味道。AI 还没有这种嗅觉，或者说，它只能从已有文本里推断，而很多系统的关键知识，从来就没被文本化过。

四、没人逐行读 AI 代码后，审查得换一种做法

Benoit 做了一个很激进的预测：一年后，开发者可能会让 Gemini 或其他模型直接生成代码，不再有人逐行阅读。

他用编译器作比较：今天还有多少程序员，会在每次构建后阅读编译器输出的汇编？几乎没有了。我们信任编译器的正确性，把注意力放在更高层的问题上。

如果这一天到来，代码评审不能连同阅读代码一起消失。它会向系统行为移动。

开发者需要查看：

• 接口契约有没有变？

• 权限边界是否被扩大？

• 性能基线有没有倒退？

• 新依赖带来了哪些供应链风险？

• 数据流是否经过了不该经过的模块？

单元测试、集成测试、静态扫描、运行时指标和回滚记录，会承担过去那部分"人肉阅读"的工作。人不读每一行，也必须看得见系统做了什么。

但这个转变比想象中更难。AI Engineer World's Fair 的闭幕演讲上，Google 的 Addy Osmani 提了一个数字：42% 的已提交代码现在是 AI 生成的。 然后他讲了三个陷阱，听完脊背发凉：

Cognitive Debt（认知债务）——你把太多实现细节交给 AI，慢慢失去了对系统的理解。我以前能闭眼画出整个服务的调用链，现在看了三个月 AI 生成的代码，发现自己只能看懂接口层了。不是我不努力，是 AI 太勤快，勤快到我懒得去追每一行逻辑。Benoit 说的"vibe coding"就是这个状态——你描述意图，AI 实现，你点头，但底层发生了什么，你其实不清楚。

Cognitive Surrender（认知投降）——AI 给的输出看起来太专业了，专业到你不好意思质疑。那个权限 PR 的代码，注释写得比我还好，测试用例覆盖了我没想到的边界条件。我点了 LGTM，不是因为真的看懂了，而是因为"它看起来没问题"。Addy 管这叫"借来的自信"（borrowed confidence）——你借用了 AI 的确定性，但没有承担对应的理解成本。

Orchestration Tax（编排税）——Agent 可以并行跑十个任务，但你的注意力不能并行。周一早上你面对的不是一个 PR，是三个 Agent 周末各自提交的改动，互相之间还有依赖冲突。你花了整整一上午做"人工合并"，比你自己写还累。Agent 省下了写代码的时间，但把编排复杂度转嫁给了你。

Addy 给了一个词来对抗这三个陷阱：High Agency（高能动性）。知道什么时候该委托，什么时候该检查，什么时候该喊停，什么时候愿意把自己的名字押在结果上。

Agent 可以跑 playbook，但不能替你背锅。上线后出事了，最终负责的还是工程师。

五、测试通过，只证明了软件工程很小的一部分

Benoit 对现在常用的代码评测并不满意。

SWE-bench 检查一段代码能否运行，以及能否产生正确输出。这只是软件工程中很小的一部分。现有评测善于回答"它能不能完成这道题"，很难回答"这份代码放进真实系统，一年后会不会成为麻烦"。

这个差距在 Agent 上尤其明显。一次修改全部通过测试，可能仍然重复了现有能力，引入了过度抽象，或者让后续排障更难。就像小林那行 JOIN 代码——所有测试都过了，因为它测试的是"查询结果是否正确"，而不是"分布式锁的时序是否被破坏"。

团队需要给 Agent 增加更多测试用例，也要补上架构约束、安全规则、性能预算、日志和可回滚的交付过程。换句话说，Agent 能帮你写代码，但不能帮你背锅。 上线后出事了，最终负责的还是工程师。

六、下一门编程语言，可能不需要让人读懂

演讲接近结尾时，Benoit 扔出了一个更大胆的问题：是不是到了为模型设计新编程语言的时候？

Python 等语言是为人发明的。它们易于阅读和表达，并没有把安全与可靠性放在最优先的位置。既然写代码的痛苦正在消失，可以让模型承担更高的生成成本，使用强类型或者借鉴 Lean 等形式化方法，把"证明自己正确"的压力交给模型。

他甚至认为，这种语言不一定需要对人友好。

这个设想短期内很难进入大多数团队——线上代码仍需要人类排障，也得与已有工具链交接。但它很适合提醒开发者：我们今天看作理所当然的编程语言和代码形态，也许只是人类亲手写代码时代的产物。

不过我更关心的是一个更实际的问题：不是语言要不要变，而是工程文化要不要变。

当代码生成免费后，团队需要建立的新契约是什么？

七、代码写完后，工程师要把这些事接回来

Benoit 用一句话总结了演讲："Code is over, but there's plenty to do."

对一线开发者来说，这些工作已经可以写进 Agent 任务单里：

需求要能被验收。 "优化这个页面"不够，至少要写明性能指标、兼容范围和不允许改动的行为。

系统边界要能被工具读取。 依赖关系、数据契约、权限要求和部署约束，不能只存在某位老员工的记忆里。

验收不能只看模型的文字结论。 要留下测试报告、性能对比、扫描结果、运行时轨迹和可以执行的回滚路径。

一个 Agent 几分钟生成了几千行代码，不等于一项工程工作已经完成。每一次林林总总的代码更改，最终都要回到几个问题：它是不是我们需要的？能否在真实系统里长期运行？如果错了，我们能不能看见并撤回？

这里还有一个更深层的转变。Benoit 用编译器做类比时，其实还藏了一层意思：编译器是确定性的，AI 是概率性的。

同一段 C 代码，同一个版本的 GCC，永远生成同样的汇编。但同一个 prompt，同一个模型，可能给出三种不同的实现，每种都有微妙的差异。编译器的正确性可以被形式化证明，AI 的正确性目前更多靠"之前没出过错"——这是经验信任，不是逻辑信任。

所以在我能完全信任 AI 之前，我给自己定了一条规矩：AI 生成的代码，我可以不逐行读，但我必须知道怎么验证它。

验证不是看逻辑，是看行为。看接口契约变没变，看权限边界扩没扩，看性能基线退没退，看数据流有没有经过不该经过的模块。这些才是软件工程的本体，而代码，只是它的影子。

八、最后

Benoit 在演讲里讲了一个自己的故事。早年他用汇编写代码时，并不信任编译器，总担心机器转换出来的代码会出错。后来接受了 C++ 和编译器，却又对带有垃圾回收机制的语言产生怀疑——"程序员如果不亲自管理内存，就不能算真正会编程。"

可现在，他每天用 Python，也用 Vibe Coding。他拿自己开玩笑：老狗也能学会新把戏。

这段心路，很像今天的开发者面对 Coding Agent 时的状态。从"它写得没我好"，到把一个函数交给它，再到让它读仓库、改文件和跑测试。工具变了，程序员对"什么才算编程"的理解也会跟着变。

但有些东西不会变：定义问题、管理复杂度、验证结果，以及承担上线后的后果。这些工作还留在工程师手里。

小林后来把那行 JOIN 回滚了，然后花了两周时间，把那三个查询背后的历史契约挖了出来，写进了文档，补上了测试。那个 PR 的标题从"优化查询性能"改成了"文档化并测试 legacy 查询拆分逻辑"。

没有新增一行业务代码。但那是他当月最有价值的一次提交。

写代码越便宜，为代码负责就越贵。 这才是 Benoit 想告诉所有人的事。

（本文基于 Benoit Schillings、Addy Osmani 在 AI Engineer World's Fair 2026 的演讲，及 Anthropic、Pragmatic Engineer 等行业报告综合整理。）