今天周末，正好有时间，写上2篇文章。

过去做软件，我们很自然地把研发能力等同于“写代码的能力”。

过去十年我相信国内绝大部分软件公司跟我们一样：后端写Java，前端写Vue，客户端写Windows、Android、iOS。一个产品做大以后，最直接的办法就是不断增加开发人员。

但AI出现以后，我越来越觉得，这套逻辑正在发生根本变化。

现在真正稀缺的，已经不只是“一个人一天能写多少代码”，而是这个人能不能把一个复杂问题讲清楚、拆清楚，并且建立一套让AI能够持续工作的环境。

所以我理解的AI时代研发，不再只是Coding，而是四件事情：定义、生成、验证、沉淀。

首先是定义。

一个模糊的需求，如果连人自己都没有想清楚，交给再强的AI，最后也只是更快地产生混乱。

未来好的工程师，第一能力应该是把需求变成清晰的Spec：目标是什么，数据怎么流转，边界在哪里，异常怎么处理，最后怎么验收。

第二是生成。

代码、SQL、接口、测试用例、部署脚本、文档，这些过去大量依靠人工完成的工作，未来越来越多可以交给AI。这里我需要强调的是框架和规则的重要性，很有coding agent 可以帮你快速完成，但是能达标的就看你的.agent.md 了，这个文件是一个要帮着你的项目，规范，框架，需求，犯错纠正，一路陪伴下去；

人的精力不应该继续大量消耗在重复劳动上。但是应该让你养大的agent比别人的跟家聪明！

第三是验证。

AI可以一天生成过去几天甚至几周的代码，那么新的问题就来了：谁知道这些代码到底对不对？

所以未来研发最大的瓶颈，很可能会从“写不出来”，变成“验不完”。

自动测试、代码审查、数据校验、安全检查、灰度发布，会越来越重要。

最后是沉淀。

如果每次都只是重新Prompt一次AI，公司其实没有真正积累能力。这里你不得不感叹，打造一个真正的企业针对岗位的知识库是多么的重要。这也是一粒云翻来覆去还是要将知识库上线的原因，这个产品我们做了2年做了4遍，每次都受益匪浅！

真正值得积累的是架构规范、代码规范、组件库、测试库、Skill、Agent、知识库和最佳实践。

这些东西积累得越多，下一次开发就越快。

所以我越来越相信，未来一家软件公司的核心竞争力，不只是拥有多少程序员，而是有没有建立自己的AI软件生产系统。

工程师也不会消失。

只是工程师的价值，会逐渐从“亲手写出多少代码”，转向：

我能不能让一个复杂的软件系统，被更快、更稳定、更低成本地创造出来。

这可能才是AI真正改变软件研发的开始。

系列文章

AI 时代软件企业组织变革漫谈