AI 与软件工程的未来｜Andrew 观点笔记

▎导读 · 过去一年，AI 的炒作与末日叙事同时超预期，但编码智能体的崛起正在真实地重塑软件工程。 Andrew 提出「产品管理瓶颈」加剧，未来团队将走向高自由度、多职能的小型通才模式。同时企业 AI 采用面临 ROI 衡量、数据架构重组与供应商锁定的挑战。

⚡ 速度超预期，瓶颈全面转移

炒作热度与末日论调（如"工作末日"）都超过预期，但 Andrew 认为就业崩溃不会成真。
编码智能体（coding agents）起飞速度远超预想：六个月前几乎只用 Claude，现在已混合使用 OpenAI Codex、Gemini CLI 及开源编码器。
产品管理瓶颈加剧：构建软件的速度提升 10~100 倍，但"决定构建什么"成为新瓶颈。营销、法务合规、设计等环节相继成为堵点。

                关键洞察： 当写代码变得极快时，几乎所有其他环节都变成瓶颈。团队必须重新思考组织方式。
            

👥 小型通才团队崛起

Andrew 观察到最有效的团队结构是 1~10 人的高语境通才组，成员深度技术且高度被授权，在宽泛的护栏内快速奔跑。

传统五职能（工程、产品、法务、营销、设计）压缩到 2 人完成，每人承担多角色。
工程师借助 AI 完成营销文案、TOS 初稿等非传统任务，再由专家终审。
背景多元的人（产品经理、运营、营销）也可学会编码并融入，但目前主力仍是工程师出身。

                建议： 鼓励所有人尝试跨出本职，利用 AI 承担更多角色。高语境通才 + 前沿工具 = 极速交付。
            

🧩 构建块爆炸 + 编码智能体

Andrew 用"乐高积木"比喻：AI 与非 AI 构建块（RAG 框架、UI 组件、身份验证、数据库等）正极度丰富化。掌握足够多的构建块，就能组合创新。

编码智能体尚不熟悉最新构建块（如 Nano Banana API 在知识截止日期后发布），因此 Context Hub 等项目应运而生 —— 类似面向 AI 智能体的 Stack Overflow，提供最新文档与反馈回路。
Andrew 个人大量使用 MongoDB 等 NoSQL 数据库，以便快速迭代架构，避免关系型数据库的 schema 迁移痛点。

📖 教育从课程转向对话

Andrew 认为教育转型被过度炒作，但实质变化正在发生。他所在的 deeplearning.ai 推出 CodeRAI 预览版 —— 不是传统课程，而是模拟视频通话式对话，用户可以随时打断提问。

更前沿的尝试：用 JavaScript 替代视频和幻灯片，观众可直接在视频窗口内输入提示词，与演示内容实时交互。
Transformer 课程已加入更多交互式可视化，但 Andrew 坦言："我们仍在每天迭代，教育体验还没迎来真正的大变革。"

🏢 企业 AI：自下而上 vs 自上而下

Andrew 与众多大型企业（财富 50、2000 强）合作，发现一个普遍困境：自下而上的"百花齐放"策略大多未产生 ROI。

点状解决方案只带来增量效率提升（如用 AI 将贷款审批从 1 小时缩短到数分钟），但未实现真正的业务转型。
少数银行已开始重新设计整条工作流：推出"10 分钟获批贷款"产品，将 AI 嵌入全链路，但需要具备足够 scope 的人自上而下推动。
增长型机会优于降本型：节约成本有上限，增长没有天花板。客户服务、语音点单等领域的自动化，既提升体验又驱动增长。

                ROI 衡量建议： 企业应建立一个由 5~6 个"全垒打"项目组成的投资组合，每个项目都值得投入重资源。 
                不要纠结于 2% 的渐进改进，要追求 20%~50% 的增长突破。
            

🔗 FDE 热潮与供应商中立

嵌入式全栈工程师（FDE）正在硅谷走红，但 Andrew 认为未来多数企业将拥有更多内部 AI 工程师，FDE 只是小型嵌入团队。

保持可选择性至关重要：前沿模型与编码智能体每 6~12 个月洗牌，Andrew 个人几乎从不签超过 1 年的供应商合同，无论折扣多大。
供应商中立的工具（如 LangChain）有助于企业长期保持灵活性，避免被单一模型锁定。
开源权重模型大约落后前沿模型 6 个基准点，但成本优势明显，许多场景下团队会微调使用。

                警示： Andrew 对近期开源模型审查动向表示担忧，呼吁保护开源生态。"开源让世界更丰富，也帮所有人保留可选择性。"
            

🗂️ 非结构化数据：下一代数据工程

过去 20 年企业集中在结构化数据（表格、电子表格），但 AI 时代非结构化数据（文本、PDF、音频、图像）的价值爆发。

当前痛点：数据碎片化、权限设计面向人类而非智能体、治理与可观测性不足。
许多金融机构保留了大量合规 PDF，过去无人阅读，现在 AI 可从中提取巨大价值。
Andrew 预测未来数年企业将出现千万到亿美元级项目，专门重构非结构化数据架构使其"AI 就绪"。

                实战技巧： 快速迭代期优先使用 NoSQL（如 MongoDB），避免频繁 schema 迁移拖慢开发。 
                生产级大规模负载再切回关系型数据库。
            

💬 金句摘录

「成长型机会比降本型更激动人心 —— 我们只能省下有限的钱，但增长几乎没有上限。」

「如果构建软件的速度比决定构建什么快 10 倍，那所有其他环节都会变成瓶颈。」

「在高度不确定性下，可选择性是最宝贵的资产。不要为短期折扣锁死未来。」

🎯 行动建议

个人开发者： 积极掌握多种构建块（RAG 框架、API、UI 组件），并用编码智能体快速组装。尝试跨出纯工程角色，用 AI 做营销、法务初稿。
技术管理者： 组建 2~10 人的高语境通才团队，赋予宽泛护栏和充分授权，容忍多角色重叠。
企业决策者： 将 AI 投资组合从"百花齐放"转向少数几个"全垒打"项目，自上而下推动全工作流重构。优先追求增长而非单纯降本。
数据负责人： 立即启动非结构化数据治理与架构重构，为智能体时代做准备。迭代期拥抱 NoSQL 灵活性。
所有人： 保持供应商中立，至少保留每年重新评估工具链的权利。关注开源生态保护。

📌 总结

AI 编码智能体的进化已将软件工程推向一个拐点：构建速度不再是限制因素，瓶颈转移到产品定义、组织设计与数据基础。未来属于那些能组合构建块、扮演多角色、并保持高度可选择性的团队与企业。教育模式正从课程缓慢走向对话式交互，而企业 AI 的真正价值在于驱动增长而非省钱。重构非结构化数据架构，将成为下一波企业竞争力的分水岭。