There is no single development, in either technology or management technique, which by itself promises even one order-of-magnitude improvement within a decade in productivity, in reliability, in simplicity.
无论是技术上还是管理方法上，都没有任何单一的发展，能够承诺在十年内，在生产力、可靠性或简洁性方面，带来一个数量级（十倍）的提升。
《人月神话》
事实
AI的发展影响了创造性的工作是既定实事，在2025年初跟朋友沟通DeepSeek的发布时，朋友问我能不能帮他写代码，我当时说肯定可以。现在2025年中身边普遍要用AI，要么生成代码，要么辅助解决问题，修复bug， 我还能用AI对比方案和预研方案。最近半年也到处接二连三的都有AI工具，生成原型的、生成前端页面的很多，推出时好像都在喊我要取代人工。 趋势没有错，AI可以代替手工编程，在leetcode上的算法题目，我们做起来很难的，AI很快就能实现。
但实际工程化落地目前仍然在探索，还没有形成方法论，以及团队角色分工。原因是一方面AI大模型的发展和IDE(编程工具)也在快速迭代，二是没有形成可以复用的标准化的工作流程。一般在与AI沟通交互时有些大的原则，例如技术规范和要求。
像我经历的敏捷开发等各种开发模式都是成熟的软件工程实践，都有理论指导。如软件开发V模型、用户故事等， 这样才可以大规模工程应用。
在去年我和公司内部外部相关人士咨询沟通，软件工程还会受人月神话的影响吗，当时声音是应该不会影响。
1975年出版的《人月神话》这本书，一直指导我们没有银弹，即没有一种生产力能够提升十倍效率。即没有一种放之四海皆准的方案，即没有万能方案或方法。（所以当有人说他的方案比如低代码可以解决所有场景，就不要相信）
探索
AI生成代码
在AI时代我对没有银弹保持谨慎乐观，目前AI效率提升非常显著，我亲自体验，特别前端页面这部分，无论使用react、vue还是其他，很快。前提是你说清楚了需求和要求。接下来我会分享之前生成的几个项目和总结。我们都已经直接使用生成静态html应用于原型阶段，绘制原型就省了。这个静态html也不能直接用于开发，但可以在生成时把前端工程搭好，我们经常使用react vite和tailwindcss shadcn组合栈来作为基础工程，让AI在此基础上工作。（建议：不要让AI在空的工程目录中创建脚手架代码，这部分不难你手动建好）。
后端方面也能提升，最近有个后端项目类似房屋租赁的应用，使用java springboot这套常规框架，这类不复杂的项目就是那标准的几层，每层的规范和要求制订好，或者你写出一张表的操作示例，按示例生成就行，这种实践目前是成熟的，我也会分享出来。比较麻烦的是存量系统或遗留系统，之前的技术债太多了，根据熵增定律技术债是必然的，研发负责人不关注，或想关注没有权力时就会这样。存量系统很多，技术栈多，系统本身问题也多，这种情况要具体分析。
还有些复杂的方案预研使用AI也非常快，由于是预研不涉及生产环境，检查是否符合预定的结果并对架构和代码review。
现在的AI能生成代码，但目前还做不了完整技术架构把控；能修改问题，但他不知道问题影响业务的程度，有时要根据这个程度来定方案。所有的代码上到生产环境一定要review，一般在每次提交时就要做。
AI除了写代码，从研发全局看，其他基本还是你要做的，运维部署、安全加固、接入层的工作、数据库治理、性能隐患，总之非功能的需求也是需求的一部分。 非功能需求每部分可以由AI完成，例如我们进行环境搭建，实践过规划pod数量和扩容策略,进一步制定terraform模板，数据库DDL问题分析。当前也有人在研究研发和devops agent, 希望早日能用在生产环境使用； 所以你可以了解熟悉全面的技术栈包括运维、安全、产品等，熟悉业务流程，让AI为你做纯编码的工作。
工程化实践最终还是以文档作为输入输出，结构化文档如markdown的形式更易于AI理解。
AI应用
2个多月前有客户咨询做智能问数，通过自然语言查询其业务经营数据，我们调研了dify ，工作流都配好跑通了，发现这部署成本也太高了，保证业务连续至少要集群，依赖的向量数据库要买吧，监控要上吧，这下来还没见效果，钱先花给了云服务商，当时想我要是企业经营者我都不能同意。
所以落地除了技术方案还要考虑很多非技术上的落地限制。后来评估业务场景，技术方案也改用了langchain和langgraph实现工作流。
目前接触多的项目仍是识别类较多，像发票、印刷品质检、工厂产品包装扫描入库、田径竞技AI识别等； 还有和ESP32芯片结合的场景，都在积极探索形成解决方案。 接下来会继续研究企业应用、工业应用工程化方面。