「AI+研发」最关键的是否围绕 AI 重建工作流

文章主旨：

无论 AI 写代码的能力多强，真正决定软件质量与交付的关键在于是否围绕 AI 重建软件工程工作流，将“判断、验证与共识”也流程化，才能把软件开发推进到“软件工程 3.0”的形态。

关键要点：

• 并行测试与多 Agent 检查的实际意义：让失败更早暴露、让不同视角互相牵制、让正确性变成可重复、自动化、可并行执行的流程环节。
• AI 让“写代码”变得便宜，但“判断”变得稀缺；应让机器承担更多“判断的执行”，让人做“判断的裁决”。
• 软件工程 3.0 下，工程师的职责从“手写实现者”转变为“流程与质量的架构师”，重点投入到成功标准、反馈链路与验证手段的组织上。
• ATDD（验收测试驱动开发）在 3.0 时代的核心价值在于将验收标准机器化、流程化，形成“生成—验证—修正”循环，从而成为工作流骨架。
• AI 编程的可靠取决于“共识层”的建立——通过 OpenSpec 等工具把规范当作持久化接口与可追溯工件，确保需求不漂移，人机协作有共同基准。

内容结构：

• 引言： 指出许多公司将“写代码”外包给模型，只追求快，但快乐短暂；核心在于是否把软件工程闭环搬到 AI 时代，让“正确性判断”进入机器能处理的轨道。引用 Boris Cherny 的实践，说明“生成、验证、选择”都应放进流程里。
• AI 让“写”变便宜，但让“判断”变稀缺： 传统开发中“写是体力活，验证是脑力活”；AI 使候选实现数量爆炸，人类验证瓶颈凸显。解法是让人从繁重的验证执行中解放出来，只做最终裁决，而把正确性变成可重复、可自动化、可并行执行的流程。
• 软件工程核心环节从敲代码迁移到构造与判断： 编码只是最枯燥的小部分；人类应投入精力在“把成功标准写清楚、把反馈链路接通、把验证手段组织起来”等决定成败之处。介绍了软件工程 3.0 中需求、实现、质量三方面在流程上的表现。
• 软件工程3.0 时代的 ATDD 是流程再造的抓手： 回顾了 TDD 思想在 2.0 时代提供的纪律价值；在 LLM 驱动研发的 3.0 时代，测试与验收标准生成更快，验证失败会反向驱动模型修正。ATDD 的核心优势在于把模糊意图转成清晰可判定的场景，成为工作流骨架。
• 当“共识”也被流程化，AI 编程才会从波动走向可靠： 指出对齐问题更常是共识问题——需求仅存在于聊天上下文中会漂移。OpenSpec 提供持久化共识层与可追溯的变更档案，AI 生成不再悬浮于临时对话。共识层能让验收标准、并行测试、多 Agent 检查、人类的判断都有了共同基准。
• 结论： AI 是引擎，工作流是方向盘；真正该问的是“有没有把 AI 放进工作流中心、是否重建了验收标准/验证链路/并行决策、工程师的价值是否从敲代码升级为构造与判断”。当这些都发生时，才算是真正的软件工程 3.0。

文章总结：

这是一篇观点鲜明、逻辑递进的工程方法论文章，核心主张是“把判断变成流程，把验证变成可执行机制，把选择变成可比较的差异”，从而将 AI 编程从“更快的生成工具”升级为“更可靠的工程体系”。

软件质量报道

查看原文：「AI+研发」最关键的是否围绕 AI 重建工作流

文章来源：

软件质量报道

扫码关注公众号