新軟件生命週期

人工智能正在深刻改變軟件開發生命週期。Google最新發布的白皮書《AI時代的軟件生命週期》對此進行了深入探討。本文作者Addy Osmani作為合著者，提煉了其中他認為最重要的幾個觀點。

首先，智能體的構成被重新定義：它等於模型加上工具鏈。模型只佔10%，而工具鏈（包括指令、工具、沙箱、編排邏輯、可觀測性等）佔90%。實際案例表明，僅通過改進工具鏈而不更換模型，就能讓智能體在基準測試中的排名從30名之外躍升至前5名，這表明大多數智能體失敗實際上是配置失敗。

上下文工程成為控制成本的關鍵。上下文分為靜態和動態兩種：靜態上下文每次調用都加載，可靠但昂貴；動態上下文按需加載，只支付所需部分。平衡兩者至關重要，邊界應作為架構決策來對待，像代碼一樣進行版本控制和審查。通過漸進式披露的技能，一個智能體可以擁有數十種技能卻只為當前使用的技能付費。

驗證是區分“氛圍編碼”與真正工程的分界線。測試覆蓋確定性部分，而評估覆蓋非確定性部分，包括輸出評估和軌跡評估。作者強調，應該以評估而非演示為標準，因為演示只證明一次成功，而評估套件證明可靠性。

AI壓縮了生命週期，但各階段壓縮程度不同。實現階段從數週縮短到數小時，但需求、架構和驗證仍然緩慢，因為它們需要判斷力。規格質量成為瓶頸，驗證移至中間環節。具體來説，需求變成同時產生規格和原型的對話；架構仍是人類主導；實現從編寫變為審查；測試和QA變成循環迭代；維護變得更容易，可以處理以前“風險太大”的代碼。然而，80%問題依然存在：智能體快速完成前80%，但後20%的邊緣情況和系統間銜接仍缺少上下文。

經濟方面，氛圍編碼前期便宜但運行成本高，長期來看每功能成本可能高出3到10倍。智能體工程則前期投入更多但每個功能成本更低。上下文工程和模型路由成為財務槓桿：將困難推理交給大模型，常規工作交給小模型，可在保持質量的同時降低成本。

最後，原型正成為生產智能體。從前需要分開的工具鏈現在可以融合在一起，例如Google的Agents CLI允許開發者用自然語言構建、評估和部署智能體。一個實驗顯示，一組智能體在人類指導下用Rust構建了一個可工作的C編譯器。每天在實時“指揮”和異步“編排”模式間切換，這更多是技能轉變而非工具轉變。

總之，AI放大了它所在的工程文化。生成已基本解決，剩下的工作是規格和驗證，以及支撐它們的系統。這就是需要擅長的部分。