从编写代码到治理 Agent:AI 时代软件工程的新命题
最近,我在使用 Codex 辅助开发时,做了一件看似普通的事情。
我将自己平时最常使用的一些开发约束、设计习惯和工程规范,整理成了一套 Skill,让 Codex 在执行任务时自动遵守这些规则。
原本只是一次简单的整理工作。
但整理到一半时,我突然意识到:
也许未来软件工程中最重要的生产活动,已经不再是编写代码,而是提炼规则。
工业时代生产的是产品。
软件时代生产的是代码。
那么 AI 时代生产什么?
工业时代生产的是产品,软件时代生产的是代码
过去几十年里,软件工程始终围绕着“代码”展开。
需求分析、架构设计、开发测试、持续集成……
所有环节最终都会汇聚到一个核心产物:
代码。
因此,一个优秀工程师最重要的能力往往是:
如何写出更好的代码。
但 AI Agent 的出现,正在悄悄改变这一点。
今天,当我把一个需求交给 Codex 时,我已经很少亲自编写代码了。
更多时候,我在做的是:
- 定义规范;
- 补充上下文;
- 设计约束条件;
- 验证输出结果;
- 修正偏离方向的行为。
代码本身,反而成为了最后的产物。
这让我想到一个有趣的问题:
如果代码可以由 Agent 自动生成,那么未来工程师真正生产的到底是什么?
答案或许是:
规则。
一个优秀工程师的价值正在发生迁移
过去,我们评价一个工程师,往往会关注:
- 算法能力;
- 编码能力;
- 技术深度;
- 解决问题的能力。
但在 Agent 时代,越来越重要的能力开始变成:
- 如何描述问题;
- 如何定义边界;
- 如何设计约束;
- 如何构建长期上下文;
- 如何让多个 Agent 协同工作。
换句话说:
过去的核心竞争力是编码能力。
未来的核心竞争力可能是治理能力。
Skill 的本质不是提示词,而是经验的工程化
很多人把 Skill 理解成 Prompt。
但我越来越觉得,它们并不是同一种东西。
Prompt 更像一次性的沟通。
而 Skill 更像组织经验的沉淀。
例如,一个资深前端架构师脑海中可能长期存在这样的规则:
- 页面目录如何组织;
- API 如何封装;
- 状态管理如何设计;
- 表格如何统一实现;
- 错误如何处理;
- 权限如何控制。
过去,这些经验只能存在于人的脑子里。
新人需要花费数年时间才能逐渐掌握。
但今天,我们开始把这些经验写成:
- Skill;
- SOP;
- Spec;
- Rule;
- Workflow。
这些内容被 Agent 读取后,就能直接参与生产。
本质上,我们正在把隐性经验转化为可执行知识。
架构师治理的对象正在改变
过去的架构师主要治理:
- 数据库;
- 微服务;
- 缓存;
- 消息队列;
- K8s 集群。
他们关注的是:
如何让系统稳定运行。
但今天,新的问题正在出现:
- Agent 理解错需求;
- Agent 修改超出范围;
- Agent 遗忘上下文;
- Agent 引入技术债务;
- Agent 重复造轮子;
- Agent 违反团队规范。
这些问题已经不属于传统软件问题。
它们更像组织管理问题。
因为 Agent 开始拥有了一定程度的自主性。
于是,一个新的命题出现了:
如何治理 Agent。
未来的软件团队可能是“人 + Agent”的混合组织
今天的研发团队通常由:
- 产品经理;
- 架构师;
- 前端;
- 后端;
- 测试。
组成。
但未来很可能变成:
- 产品经理;
- 架构师;
- 前端工程师;
- 后端工程师;
- 测试工程师;
- 多个专用 Agent。
甚至在某些场景下:
一个五人团队配合 Agent,就能达到过去十几人的产能。
此时最关键的问题已经不是:
Agent 能不能写代码。
而是:
Agent 是否能够稳定地产生正确结果。
而这个问题,本质上是治理问题。
代码将成为副产品
我越来越相信一个判断:
未来的软件资产不再只是代码。
真正有价值的东西会逐渐变成:
- Skills
- Specs
- Rules
- Context
- Memory
- Quality Systems
这些内容共同构成了团队的认知资产。
代码只是这些认知资产运行之后自然产生的结果。
就像流水线时代的核心资产不是产品本身,而是生产工艺一样。
AI 时代最重要的资产,也许不再是代码仓库。
而是团队能够持续复制自身经验与判断力的能力。
结语
很多人认为 AI 会取代程序员。
我并不这样认为。
我更愿意相信:
程序员不会消失。
但程序员的工作内容会发生改变。
过去,我们主要负责生产代码。
未来,我们可能更多地负责:
- 定义规则;
- 设计约束;
- 维护上下文;
- 验证结果;
- 治理 Agent。
从这个角度看,软件工程并没有结束。
它只是进入了一个新的阶段。
而未来优秀架构师最重要的能力,也许不再是写出最复杂的代码。
而是让一个由人和 Agent 组成的混合组织,持续稳定地产生高质量结果。
这或许将成为 AI 时代软件工程最深刻的新命题。






