# AI Coding 时代真正重要的是软件工程判断力 — 拆解

**来源：** https://mp.weixin.qq.com/s/Psm4zIMJcbj95-alf2-4VQ
**作者：** 两克伴
**发布时间：** 2026-08-30
**标签：** #主题/AI-Coding #主题/软件工程 #主题/AI-Native-SDLC #场景/公众号长文

> 一句话：Coding Agent 让实现更便宜，却把工程取舍、验证证据和发布门禁推到更显眼的位置；个人要看见隐藏选择，团队要把判断前移并固化为可追溯产物。

## 核心观点

1. 软件工程基本功不是语法记忆，而是围绕全栈、数据、架构、安全、运维看见取舍并承担后果。
2. 需求不完整时，Agent 会用训练数据、框架默认值和现有代码补齐未决事项；未声明的决定不会自动消失。
3. 支付重试的例子说明：正常路径测试通过，不等于幂等、一致性和失败恢复正确。
4. Agent 压缩 Build 后，Plan、Review/Test、Deploy 变成人的队列瓶颈；控制点必须前移。
5. `intent.md → spec.md → plan.md → Test/Deploy/Maintain` 形成可回溯的 committed artifact chain，但高风险判断仍需人批准。

## 7 个分析角度

### 1. 文章回答什么
软件工程判断力为何在 AI Coding 后更重要？

### 2. 关键机制
未写入上下文的工程选择会被 Agent 默认补全。

### 3. 个人启发
先让 Agent 说清方案、备选项、风险和验证方法。

### 4. 团队启发
把判断写进 intent、spec、plan、测试和审批门禁。

### 5. 反驳的误区
代码能运行、模型很自信，都不是生产可信度的充分证据。

### 6. 值得沉淀的节点
隐藏取舍、幂等重试、产物链、source of truth、人类门禁。

### 7. 后续验证
统计评审队列、验证失败、回滚和事故追溯，而不只看代码产量。

## 21 个开头钩子

1. 代码变快了，为什么交付未必变快？
2. Agent 替你决定了哪些事？
3. 默认值何时变成事故？
4. 你能指出这次改动的权衡吗？
5. 正常测试通过就够了吗？
6. 支付重试为何会重复扣款？
7. 需求没写的部分谁来决定？
8. 评审队列为什么越来越长？
9. Build 快了，瓶颈移到哪里？
10. 判断应在哪个阶段发生？
11. intent 和 spec 各自约束什么？
12. plan 为什么要先于代码？
13. 什么证据能证明可以发布？
14. 人类审批应保留在哪些节点？
15. 如何保留 Agent 的决策轨迹？
16. 企业买工具后还缺什么？
17. 完整上下文真的更稳定吗？
18. 规则只在老员工脑中会怎样？
19. 模型能力和工程判断谁负责？
20. 写更多 CLAUDE.md 就能解决吗？
21. 会写代码和会做决定差在哪？

## 对个人与团队的借鉴

- 任务开始前列出一致性、延迟、成本、安全和可回滚性的取舍。
- 对重试、缓存、认证、权限等副作用补幂等与失败路径测试。
- 用 `intent/spec/plan` 记录边界、风险、修改文件和验收证据。
- 为高风险变更保留人工审批，把自动化限制在可验证范围。
- 为重复错误建立短小、可维护的项目规则，并定期清理过期内容。

## 关联图谱

- 上游：[[02-ai-coding/winkrun-吴恩达-AI工程四项核心技能]]；[[02-ai-coding/软件工程的功底是智能时代生死攸关的要素]]
- 同级：[[02-ai-coding/AndrejKarpathy-AI写代码-只需要问自己这一个问题]]；[[02-ai-coding/AI-Coding的顿悟时刻]]
- 下游：[[02-ai-coding/Anthropic发布AI-Native软件开发流程-时代变了-该换套模式了]]

## 证据边界

文中关于“超过 1 万个岗位”“数十次访谈”、Andrew Ng 三篇文章日期及 Anthropic Playbook 的阶段划分，均为公众号对外部文章的转述；本文未独立复核 Andrew Ng 的样本方法或 Anthropic 的实际落地效果。支付重试案例是机制示例，不是事故统计。