AI 被寄予了很高的期待。医疗、金融、教育、制造、科研几乎每个行业都在谈 AI 如何改变未来。可是AI 如果连软件本身都不能稳定地生产和维护又怎么去重构那些更加复杂的行业1. 现在的 AI 还没有真正解决软件工程问题AI 已经很会生成代码。它可以写函数补测试改接口查问题重构代码解释项目但“会写代码”和“会做软件工程”不是一回事。软件工程还包括任务边界状态管理模块关系测试验收权限控制失败恢复长期维护这些问题不会因为代码生成变快而自动消失。AI 让代码增长得快也让错误和技术债扩散得更快。真正的问题不是AI 能不能写代码而是AI 能不能持续修改一个真实项目而不把它越改越乱2. Agent 把问题从“生成”变成了“执行”聊天模型主要解决一次输入和一次输出。Agent 则不同。它会根据当前结果继续决定下一步目标 ↓ 执行 ↓ 读取结果 ↓ 决定下一步 ↓ 继续执行程序的一部分执行路径不再完全由程序员提前写好。新的问题出现了它下一步能做什么哪些文件不能改什么结果算通过什么时候应该停止失败以后从哪里继续AI 要继续向前不只是需要更强的模型还需要新的软件工程结构。3. AI 正在迫使软件重新建立边界传统软件的很多边界写在代码里。函数有参数类型有定义接口有协议。但 AI 使用自然语言以后边界重新变得模糊。例如帮我优化登录模块。这里并没有说明能不能改数据库能不能增加依赖能不能修改公共接口哪些测试必须通过AI 编程越向上抽象越需要在其他地方把精确性补回来。project_map.md current_task.md revision_log.md open_issues.md tests schemas permissions hooks都在做同一件事重新规定 AI 可以在哪里行动以及怎样判断行动是正确的。4. 软件开发可能从“写代码”变成“组织生产”未来的软件开发可能不再以手写代码为中心。大量普通程序可能由模板、组件和 AI 装配完成需求 ↓ 结构化模块 ↓ AI 组合 ↓ 测试验证 ↓ 可运行程序人需要亲自写的代码更少真正重要的工作会逐渐变成设计模块定义接口设置边界组织状态建立验证处理异常对于性能要求很高的部分再由专业团队配合 AI 做进一步优化。AI 不一定让软件本身越来越简单它更可能改变的是软件是怎样被生产出来的。5. 软件工程是 AI 进入真实世界的基础层AI 如果要进入医疗、金融、制造这些行业会面对更严格的现实约束。一个诊断错误、一笔错误交易、一次设备控制失误都不能靠“重新生成一次”解决。而软件工程已经具备一整套控制机制测试版本控制日志沙箱权限回滚静态分析这些机制让 AI 可以先在一个有边界、可验证、可恢复的系统里工作。软件工程不仅是 AI 的应用领域也可能是 AI 进入真实世界之前的第一块试验场。AI 先重构软件工程才有可能通过软件去重构世界。