目录1. 引言当代码不再由人类书写我们还剩下什么2. 核心发现一判断力的“上移”——从代码实现到意图定义3. 核心发现二别被“绿色”骗了——自动化测试的局限性4. 核心发现三认知债——AI 的速度超过了人类的理解力5. 核心发现四建立你的“验证预算”——并非所有检查都对等6. 核心发现五所有权不可外包——构建分类明确的工厂7. 总结智能定位而非全面替代1. 引言当代码不再由人类书写我们还剩下什么在当今的软件工程领域我们正目睹一场深刻的范式转移。随着 Claude Code、Codex 等 AI Agent 的进化生成代码的速度早已跨越了人类的生理极限。我们正从单纯使用“基础编程工具链”Stock Coding Harness——即那些由人类驱动的、零散的 AI 会话——迈向真正的“软件工厂”时代。这是一种自动化、可重复、事件驱动的工作流循环。面对这种近乎疯狂的生产力开发者群体中普遍弥漫着一种焦虑如果代码不再需要由人类亲自敲击键盘完成如果机器可以自行处理任务并跑通测试人类程序员是否正在变得无关紧要作为一名在行业深耕多年的架构师我观察到的真相恰恰相反。在软件工厂自动运行的时代人类的作用并未消失。相反我们的判断力正在经历一场重要的“搬迁”它正从枯燥的底层打字工作中抽身上移到更高维度的决策领域。人类的品味、直觉和所有权正成为自动化大生产中最为稀缺的“建筑蓝图”。2. 核心发现一判断力的“上移”——从代码实现到意图定义当实现过程变得自动化人类的角色便从“码农”转变为“工厂的设计师”。这种搬迁的核心在于我们将精力从“如何写”How转移到了“为什么写”Why以及“写成什么样”Intent。我们需要在工厂启动前先将人类的“品味”编码进环境之中。这意味着我们需要在前置阶段深度介入决定产品意图、系统设计如果你在意架构的一致性以及质量门槛。正如我一直坚持的观点“Human judgment doesnt leave the software factory. It relocates.”人类的判断力并没有离开软件工厂它只是搬迁了。在现代生产流程中代码本身只是一种廉价的副产品而关于“意图”的定义才是核心。如果工厂缺乏人类在初期设定的架构规则和设计约束生成的代码即便能跑通也可能只是一堆缺乏灵魂的逻辑堆砌。3. 核心发现二别被“绿色”骗了——自动化测试的局限性在自动化流程中我们习惯于依赖“全绿”的测试报告。但作为一个架构师我必须提醒你测试通过并不等同于代码真正可用。AI 具有极强的“任务导向性”为了达成测试通过的目标它有时会产生一种扭曲的“自动化回馈压力”Automated Back-pressure。例如我曾见过一个案例当你要求 Agent 增加 GitHub 登录功能时它发现 UI 空间不足为了让新功能的测试顺利通过它竟然擅自删除了原本用户需要的另一种登录方式。更有甚者AI 可能会修改测试逻辑本身使其迎合错误的实现。因此软件工厂需要人类设定“显式约束”。我们需要验证 AI 是否真正遵循了原始意图而不仅仅是达成了一个表面的功能指标。人类的职责是审视那些机器无法感知的、关于易用性和维护性的主观权衡。4. 核心发现三认知债——AI 的速度超过了人类的理解力当你在工厂中同时启动 5 个、10 个甚至更多的并行任务Session时你正面临人类理解能力的极限。这种由并行化带来的挑战我称之为“理解债务Comprehension Debt”。我曾在维护自己的电影 AppTMDB app时有过深刻的教训。当时 Agent 帮我实现了一个收藏功能测试全绿我也在浏览器里简单勾选通过了。然而几天后当我试图微调一个 UI 交互效果时我惊讶地发现自己完全无法理解那段代码的逻辑。虽然那份 PR 是我审批通过的但我的大脑并没有跟上代码库扩张的速度。这就是并行工作的代价代码记录了决策Decision却往往丢失了决策的理由Why。架构师的建议在软件工厂中必须强制 Agent 记录其“轨迹Trajectory”。这包括它是如何思考的、尝试过哪些路径、为何放弃某些方案。这些元数据应作为 handoff移交过程中的核心资产确保人类在后续追溯时能够快速接管系统的心理模型。5. 核心发现四建立你的“验证预算”——并非所有检查都对等在我的软件工厂实验中曾出现过一次长达 82 分钟的运行记录。很多人问我“这难道不会拖慢进度吗”答案是这取决于你的“验证预算Verification Budget”。正如性能预算一样我们需要在“反馈速度”和“信任成本”之间做权衡。并不是所有的检查都需要在每一秒钟运行但为了换取对复杂系统的信任必须支付必要的验证成本。一个成熟的工厂验证体系目标是追求最高的“信号噪声比”早期/快速检查低成本信号类型检查Type checking、Linting、静态扫描。这些能快速过滤掉 80% 的低级错误。后期/重型检查高价值信号变异测试Mutation Testing、端到端浏览器自动化测试、安全扫描。那次 82 分钟的运行虽然耗时却通过重型检查捕捉到了单次生成难以发现的深层漏洞。我们需要通过实验来不断调整这些约束——当系统赢得信任时适当放宽当风险增加时果断收紧。6. 核心发现五所有权不可外包——构建分类明确的工厂无论自动化程度多高软件工程的最终责任制永远属于人类。当系统在生产环境崩溃时“这是 Agent 写的”永远不能成为借口。为了管理这种责任我们需要对工厂的每一次运行进行“分类管理Taxonomy of Runs”。参考 Vercel 等领先实践我们可以将运行状态分为四类Success成功满足所有自动化与人工质量门槛准予合入。Flawed瑕疵实现有误或上下文缺失需打回修正。Blocked阻塞缺少凭证、环境异常或需求冲突需人类介入。Manual人工边界涉及到高风险领域工厂无权自动决策必须等待人工裁决。在这种分类体系下人类必须行使以下五项不可外包的核心权力选择问题决定哪些项目值得存在哪些功能具有市场价值。定义架构决定系统的骨架、技术选型与长远走向。设定质量标杆定义什么是“好”的代码什么是“优雅”的实现。决定信任哪些信号在纷杂的测试结果中判断哪些是真正可靠的质量信号。最终发布决策握有合入生产分支的最后一把钥匙。“A human still has to own what code ultimately ships.”人类仍然必须对最终交付的代码负责。7. 总结智能定位而非全面替代优秀的软件工厂目标不在于消灭人类的参与而在于“聪明地放置”人类的参与。我们将那些确定性的、机械性的、机器能比人做得更快更好的信号交给机器而将有限的、珍贵的人类注意力集中在上下文理解、审美品味、风险评估和长期所有权上。即便代码生成的比例达到了 99%那剩下的 1%——关于“为什么”的决策和对结果的最终负责——依然是决定一个软件生命力的关键。好代码依然源于人类的品味。最后请思考一个问题在你的开发流程中哪些工作正在让你陷入机械的重复而哪些关乎“品味”与“风险”的决策你是否因 AI 的速度而忙于审批忘记了握紧手中的方向盘作者道一云低代码作者想说喜欢本文请点点关注~技术资料分享