AI 时代:验证工程与模式工程
Shaping the Loops, Closing the Loops

随着 AI Agent 工作量的爆发,工程杠杆正集中在两个关键领域:验证工程与模式工程。前者负责构建可靠的工具与流程,确保变更符合预期并发现异常;后者则致力于设计、梳理并强化代码库中的惯例与抽象,以提升后续工作的效率。在 Agent 反复学习并扩展现有模式的当下,一个好的模式能优化成千上万次变更,而一个坏模式则可能让工作持续偏离方向。作者以 Revyl 内部实践为例,展示了如何通过统一的 CLI 工具 revup,让新员工与云端 Agent 在任意环境中以相同流程快速启动开发栈,从而消除重复的错误引导,让优秀的工作变得更容易。
一个好的模式可以改进成千上万次后续的变更,而一个坏的模式则可能反复将工作引向错误的方向。
- bombela
总结来说:消除摩擦以提升效率。
- anamhira
向更高层次的抽象迈进,以获得更大的杠杆效应,这是一次巨大的转变。
- cootsnuck
我不断看到有人重新发现那些久经考验的软件工程原则,并声称 AI 让它们“更重要”……我对这种说法有点怀疑。
像平台工程、DevOps、代码质量、Lint、CI/CD、QA 等等,在编码代理出现之前和现在一样基础(无论它们从未被称为“模式工程”)。我会说,改变的与其说是它们的重要性,不如说是不重视它们的后果。
我认为,这很大程度上是我们整个行业如何应对一个现实:过去几年我们被灌输的叙事——AI 将使软件工程成为一个“已解决的问题”——实际上并不成立。
所以,我们不说“嗯,看来能够随意生成海量看似合理的代码,恰恰暴露了软件工程从来就不只是写代码这件事”……而是说“哇,这些惊人的 AI 编码代理太强大,我们不得不为软件工程互动形式化新的抽象层级!”
我不知道,也许我就是在唱反调。人们想怎么称呼就怎么称呼吧。只是当存在大量早已遇到这些问题的先例、知识和指导时,我觉得把重点放在这些更实用的东西上,比发明新的行话更有意义,这让我有点恼火。