一、AI 编程助手入职第一天
王姐说到做到，云间书店技术部采购了 AI 编程助手。入职第一天，小陈就玩疯了：
# 小陈：AI 帮我写个库存预警函数
# 输入：库存数据；输出：低于阈值自动提醒补货
def stock_alert(inventory, threshold=10):
"""对库存低于阈值的商品生成补货提醒。"""
low = [(item["name"], item["stock"])
for item in inventory
if item["stock"] < threshold]
return low
"师傅！AI 三秒写完了！我原来要写半小时！"小陈兴奋地喊，"照这个速度，咱们一个月能做完半年的活！"
老周站在旁边，看着小陈面前的屏幕，说了句意味深长的话："小陈，你听说过'AI 幻觉'吗？"
"AI 会一本正经地胡说八道。它写的代码，语法全对、看着合理，但可能藏着逻辑错误、安全漏洞、甚至根本不存在的函数调用。AI 写代码，就像雇了一个特别勤快但偶尔会说谎的新人。 这一章，我们讲的就是：AI 时代，软件工程管理怎么变。"
二、AI 在软件工程里的四个角色
老周在白板上画出 AI 在开发流程中的位置：
需求 ──▶ 编码 ──▶ 评审 ──▶ 测试 ──▶ 发布 ──▶ 运维
│ │ │ │ │
▼ ▼ ▼ ▼ ▼
AI辅助编码 AI代码评审 AI测试生成 AI发布辅助 AI运维排障
(Copilot) (自动扫描) (自动用例) (自动发布) (日志分析)
"AI 不是替代某一个岗位，而是渗透到整个流程的每一个环节。但每个环节的用法和风险完全不同。"
2.1 AI 辅助编码（Copilot 类）：最快的提效，最大的风险
"这是现在最成熟的场景。AI 补全代码、生成样板、写单元测试、解释老代码……"
AI 辅助编码的正确姿势：
✅ 用：生成样板代码、写测试、解释看不懂的代码、翻译旧代码
✅ 用：作为"第一稿"——你审阅后修改，比自己从零写快
❌ 别：不审阅直接提交（幻觉风险）
❌ 别：把核心业务逻辑全交给 AI（你根本不知道它为什么这么写）
❌ 别：在代码里留 AI 生成的密钥/凭据（它可能"编"一个）
"铁律：AI 写的代码，必须有人负责。 谁提交的，谁负责——这条和人工代码完全一样。"
2.2 AI 代码评审：机器当"第二双眼睛"
"还记得第四章的代码评审吗？现在 AI 可以当评审员："
AI 评审能发现：
- 明显的 bug（空指针、越界、拼写错误）
- 安全漏洞（SQL 注入、硬编码密钥）
- 常见反模式（重复代码、过度嵌套）
- 缺失的测试
AI 评审发现不了：
- 业务逻辑对不对（它不懂云间书店的满减规则）
- 架构边界对不对（它不知道哪个模块该不该 import 谁）
- "这段代码是否真的满足需求"
"所以正确的姿势：AI 评审做第一轮（快速扫雷），人工评审做第二轮（判断业务与架构）。 别让 AI 评审完全替代人工——它只能抓'技术病'，抓不了'业务病'。"
2.3 AI 测试生成：把"不写测试"的人补上
"小陈，你还记得咱们测试覆盖率目标 80% 吧？"老周问，"有了 AI，这个目标好实现多了："
# AI 生成的单元测试（人审阅后使用）
def test_stock_alert():
inv = [{"name": "三体", "stock": 3},
{"name": "活着", "stock": 15}]
result = stock_alert(inv, threshold=10)
assert result == [("三体", 3)] # 只有三体低于阈值
def test_stock_alert_边界值():
assert stock_alert([{"name": "A", "stock": 10}], 10) == [] # 等于阈值不报警
"AI 特别擅长生成边界测试（等于阈值、空列表、极端值）——这些恰恰是人最容易漏的。但记住：AI 生成的测试，人也要审，不然测试可能是'错的测试'，让你误以为代码没问题。"
三、平台工程：AI 时代的地基
"除了 AI 直接干活，还有一个更底层的趋势：平台工程（Platform Engineering）。"老周说，"它的目标，是把整个开发环境变成'自助服务'——开发者想要一个测试环境？点一下，自助创建；想要数据库？点一下，自动配好。"
平台工程 vs 传统运维：
传统：开发者提工单 → 运维手动配环境（慢，运维是瓶颈）
平台：开发者自助申请 → 平台自动创建环境（快，标准化）
云间书店的"开发平台"（理想状态）：
├── 一键创建开发环境（代码+数据库+依赖全自动）
├── 一键部署到任意环境（测试/预发布/生产）
├── 自助申请数据库/缓存（配额内自动开通）
└── 统一监控与日志（所有人能看到系统状态）
"平台工程的精神：把'重复的、标准化的'工作，从人手里拿走，交给自动化平台。 AI 时代尤其重要——AI 写得快，部署得更快，没有好平台，AI 产出再多也上不了线。"
四、AI 时代的团队角色变化
"最后，聊聊最让人焦虑的问题：AI 会替代程序员吗？"老周问。
小陈犹豫了一下："会……吗？"
老周没直接回答，而是画了一张图：
传统程序员（写代码的人）：
需求 ──▶ 想清楚 ──▶ 写代码 ──▶ 测试 ──▶ 上线
AI 时代的软件工程师（对结果负责的人）：
需求 ──▶ 想清楚 ──▶ 让 AI 写 ──▶ 审 AI 的代码 ──▶ 测试 ──▶ 上线
▲ ▲ ▲
（更值钱了） （省下来的时间） （新技能：AI 审阅）
真正的变化：
- "怎么写代码"的权重下降（AI 会了）
- "要什么"和"对不对"的权重上升（AI 不会，还是人判断）
- 需求分析、架构设计、代码评审、质量把关 → 人的核心价值
"所以小陈，答案很明确：AI 替代的不是'程序员'，是'只会写代码的程序员'。 你去年学的那些底层知识、这十个月学的管理知识，恰恰是 AI 时代最值钱的部分——因为 AI 会写代码，但不知道为什么要写这段代码、这段代码对不对、怎么让一群人协作写出对的代码。"
"软件工程管理的核心，从来没有变过：需求对齐、质量防线、协作节奏、风险控制。 AI 只是把'写代码'这个环节变快了，其他环节——人的判断、人的协作、人的责任——反而更重要了。"
五、AI 时代的管理新规（云间书店版）
老周把 AI 引入后的团队规范更新了一遍：
云间书店技术部 · AI 使用规范（V1.0）
1. AI 生成的代码，必须经人工评审后才能合并（和人工代码同标准）
2. AI 生成的测试，人必须审阅，禁止"测试也全自动"
3. 核心业务逻辑（支付/库存/折扣），AI 只能写初稿，人必须重写关键路径
4. AI 写出的密钥/凭据/敏感信息，一律视为不可信，重新配置
5. 所有代码提交者（人或 AI）都记录在案，责任到人
6. 每周例会加一项：分享 AI 用得好的场景（互相学习）
"你看，这些规矩，跟我们前面讲的每一章都是同一套逻辑——管人、管协作、管风险。AI 只是团队里新来的'很能干的新人'，管理它，用的是同样的方法。"
六、章末：老周的第十二层总结
第十二层：AI 时代的软件工程
├── AI 辅助编码 → 提效最快，幻觉风险最大，必须人工审
├── AI 代码评审 → 机器抓技术病，人抓业务病
├── AI 测试生成 → 擅长边界用例，但测试本身也要审
├── 平台工程 → 环境自助化，让 AI 产出能快速上线
└── 角色进化 → 从"写代码"到"对结果负责"，人的判断更值钱
"小陈，你回头看这棵树的十二层——从'为什么需要管理'，到'AI 时代的软件工程'，每一层都在回答同一个问题：怎么让一群人，稳定、可靠、高效地做出好软件。"
"而所有答案的本质，还是那句话：软件工程的所有管理实践，都是'人类协作 + 防错'的产物。 工具在变，技术在变，AI 也在变——但'人怎么协作、怎么防错'这件事，永远不变。"
"明天，是你出师的日子。王姐说了，让你给全组讲一次'技术部这一年'。"老周笑了，"题目我都给你想好了——《我们踩过的坑》。去把终章准备好。"