新软件生命周期

人工智能正在深刻改变软件开发生命周期。Google最新发布的白皮书《AI时代的软件生命周期》对此进行了深入探讨。本文作者Addy Osmani作为合著者，提炼了其中他认为最重要的几个观点。

首先，智能体的构成被重新定义：它等于模型加上工具链。模型只占10%，而工具链（包括指令、工具、沙箱、编排逻辑、可观测性等）占90%。实际案例表明，仅通过改进工具链而不更换模型，就能让智能体在基准测试中的排名从30名之外跃升至前5名，这表明大多数智能体失败实际上是配置失败。

上下文工程成为控制成本的关键。上下文分为静态和动态两种：静态上下文每次调用都加载，可靠但昂贵；动态上下文按需加载，只支付所需部分。平衡两者至关重要，边界应作为架构决策来对待，像代码一样进行版本控制和审查。通过渐进式披露的技能，一个智能体可以拥有数十种技能却只为当前使用的技能付费。

验证是区分“氛围编码”与真正工程的分界线。测试覆盖确定性部分，而评估覆盖非确定性部分，包括输出评估和轨迹评估。作者强调，应该以评估而非演示为标准，因为演示只证明一次成功，而评估套件证明可靠性。

AI压缩了生命周期，但各阶段压缩程度不同。实现阶段从数周缩短到数小时，但需求、架构和验证仍然缓慢，因为它们需要判断力。规格质量成为瓶颈，验证移至中间环节。具体来说，需求变成同时产生规格和原型的对话；架构仍是人类主导；实现从编写变为审查；测试和QA变成循环迭代；维护变得更容易，可以处理以前“风险太大”的代码。然而，80%问题依然存在：智能体快速完成前80%，但后20%的边缘情况和系统间衔接仍缺少上下文。

经济方面，氛围编码前期便宜但运行成本高，长期来看每功能成本可能高出3到10倍。智能体工程则前期投入更多但每个功能成本更低。上下文工程和模型路由成为财务杠杆：将困难推理交给大模型，常规工作交给小模型，可在保持质量的同时降低成本。

最后，原型正成为生产智能体。从前需要分开的工具链现在可以融合在一起，例如Google的Agents CLI允许开发者用自然语言构建、评估和部署智能体。一个实验显示，一组智能体在人类指导下用Rust构建了一个可工作的C编译器。每天在实时“指挥”和异步“编排”模式间切换，这更多是技能转变而非工具转变。

总之，AI放大了它所在的工程文化。生成已基本解决，剩下的工作是规格和验证，以及支撑它们的系统。这就是需要擅长的部分。