近日，一篇题为《把执行交给AI是一种赋能》的文章引发了关于AI在软件开发中角色的深入讨论。作者先是对David Nicholas Williams的观点表示赞同——AI无法替代真正的专业知识，因为要做好工作必须深入理解细节。但作者随即指出，这个论点缺少一个重要的反例：在软件开发的一个特定阶段，将工作交给AI确实是赋能的，那就是执行阶段。
文章将软件开发明确分为三个截然不同的阶段：设计、执行和评估。设计阶段包括研究问题空间、构建心理模型、权衡各种解决方案与约束条件、以及可维护性等方面的考量。这是最具挑战性的阶段，也是顶级工程师展现真正价值的地方。在这个阶段，细节被发掘和形式化，是工程师被付钱去做的工作。执行阶段则是将设计转化为代码的过程。虽然这里面仍有关于结构、函数、常量、库选择、数据结构和算法等方面的决策，但一个良好的设计文档已经覆盖了数据模型、云服务和存储系统的核心决策，剩下的很多细节都可以在执行中处理。正是这个层面，AI能够产生巨大的影响。一个优秀的编码代理，比如Claude Code，在强大模型和懂行的监督者指导下，可以承担大部分工作，让人感到解放。评估阶段包括代码审查、测试和评估，然后才能发布。这正在成为新的瓶颈，因为这里绝对需要人类专业知识。这是最后一次机会去理解产出的结构、批评或纠正短视或缺失上下文的决策，并验证工作是否真正有效。无论模型多好，人类工程师仍然要对结果负责。
那么，设计和评估能否也交给AI呢？从原则上讲，是可以的，只要协调者仍然理解决策及其背后的推理过程，并能担保AI的行为并解释其工作。但在实践中，这个条件比听起来要难满足得多。要真正理解一个设计决策，几乎需要投入与做出决策相同的努力。要评估一个权衡，你必须加载相同的领域上下文，考虑相同的备选方案，理解决策者面对的那些约束。没有捷径可以让你在不付出努力的情况下获得理解。
因此，作者建议可以与模型合作来研究解决方案和压力测试你的想法，但必须始终坐在驾驶位上。事情开始崩溃的节点，恰恰就是你失去上下文并让模型填补空白的时候。这篇文章提醒我们，AI是强大的工具，但人类的洞察力和责任感仍然是不可替代的。