AI 全面編程時代，工程師怎么寫代碼？| 小米 Vela 團隊思考

一次內部交流引發的思考：開發范式正在發生什么變化，我們該怎么辦

Vela 團隊 | 2026 年 3 月

緣起：一場聊了三小時的對話

3 月 17 日下午，我和我們 Vela 團隊幾位小伙伴去找川總（小米聯合創始人）聊聊 AI。本來以為是一場輕松的分享會，沒想到一聊就是三個小時——而且越聊越深，從“工具怎么用”很快轉到了“寫代碼這件事本身正在變”。

說實話，川總三年前就在推 AI All-In，那會兒很多人覺得還早。但回頭看，他的判斷比大部分人提前了至少兩年：AI 不是一個“效率工具”，它正在改變我們寫代碼的整個方式。

他舉了一個例子我覺得很生動：當年特斯拉說“以后駕駛員可以閉著眼睛開車”，多數人覺得是科幻，還早。結果呢？L2/L3 已經到處都是，L4 也開始落地了。同樣的事情正在程序員寫代碼這件事上發生——從 GitHub Copilot 到現在各種 LLM 編程助手，“程序員”可以閉著眼睛“寫代碼”這件事，比我們想象的來得快得多。

這些事讓我們不得不想一個問題：工程師的工作邊界，是不是正在被重新定義？

一、可能這五件事，決定你在 AI 時代的競爭力

1. 從“自己寫”到“指揮 Agent 寫”

川總用了一個詞叫“千軍萬馬”，我覺得特別準確。

未來衡量一個工程師的能力，不再是“你一天能寫多少行代碼”，而是“你能同時指揮多少個 AI Agent 協同工作”。已經有團隊自研了 Agent Team 編排系統，從需求拆解、代碼生成、測試到部署，全程自動跑。人在整個自動鏈路中可能是最大的瓶頸，人只需要負責定方向和拍板。

簡單說：工程師正在從“代碼匠人”變成“智能編排師”。核心能力不再是寫代碼本身，而是拆解復雜任務、整合工具鏈、在多個 Agent 協作中做決策。

2. TDD 不再是“最佳實踐”，而是“生存技能”

AI 寫代碼快得可怕，但代碼垃圾也是多到更可怕。如果沒有測試和驗證體系兜著，代碼量爆炸式增長的同時，系統會迅速失控。這個時候，我們還得是靠AI解決AI的問題，我們都知道今天AI 寫測試用例和測試程序的速度和能力也是提升的快到可怕。

換句話說，“會寫代碼”首先要“會寫清晰的測試用例”。

3. 系統架構：AI 暫時還替代不了的能力

AI 可以幫你寫代碼，但目前它還設計不好系統架構。

架構是高內聚、松耦合的系統性思考，需要經驗、判斷力和全局視野。一個架構混亂的項目，AI 越幫越忙；一個架構清晰的項目，AI 如虎添翼。我目前認為，未來核心工程師的價值，正在從“實現功能”轉向“設計出讓 AI 能高效工作的系統”。

這里面的含義很明確：系統設計、模塊化、可擴展性這些“硬功夫”，在 AI 時代不但沒貶值，截止到今天來看，還是看起來更值錢的。

4. 知識圖譜是 AI 加速的”助燃劑”

這個時代，我們的先鋒工程師們正加速成長，全面擁抱擁有近乎無限算力和數據的AI，并成為我們的智能合作伙伴。那今天我們要做出優秀的產品和系統軟件，我們現在還缺的是什么？

我們覺得，現在還可能缺的是，專家工程師“縱深專業領域多年”積累的那些“踩過坑才知道”的知識沉淀，怎么能更友好地讓我們的AI智能伙伴第一時間知道。

包含那些調試硬件問題時的最佳排查路徑、產品體驗中某些特定場景中用戶問題的隱藏坑、某個接口規范設計背后的深層原因——這些知識往往沒被很好地寫下來，很多還只存在于優秀的資深工程師的經驗里，沒有這些特定經驗型的知識，AI還一時做不到最優秀的產品級的系統軟件。

所以在今天的AI編程時代，從組織上，系統化地梳理優秀資深工程師們的個人的知識沉淀，然后整理成對AI友好，AI 更好學習、更好復用的知識，并構建出團隊和部門的特定的，成為整個部門AI加速的助燃劑“AI 智慧庫”，這件事情變得尤為緊急和重要。

5. 工程師不只是用工具，而是要造工具

今天的工程師的AI編程能力，在行業里被分為8個等級，排在最高等級的工程師們，他們AI生產力的爐火已經被燒到純青，這純青的烈焰足以幫助他們鍛造出他們想要的任何形態的生產工具，在他們眼里，市場上流通著的那些生產工具可能是只能用來砍柴的農具，只有他們那純青的爐火才可以冶煉出更精良的利器。

真正的AI編程高手遇到問題的第一反應可能不是“找一個工具”，而是“能不能用 AI 做一個專門解決這個問題的工具”。這或許才是AI 編程時代的一種創新思維，或者說至少是一個非常重要的方向。

二、說實話：差距真實存在，但窗口還開著

這次交流給我兩個深刻的感受：更興奮，同時也更緊迫。更興奮的是我們對AI 潛力的認知有了更好的積累；那更緊迫的是，我們和最好的AI團隊的差距確實正在拉開。

川總的一句話讓我印象很深：“AI 使用時長和進化速度是指數關系。早期使用者的認知深度會形成正向循環，越來越快，后來者追趕的難度會持續加大。”

興奮和緊迫交織就會產生焦慮，持續焦慮就會失眠，那好處是失眠能讓我們有更多時間來思考。

今天，領先的團隊確實已經走得很遠，但 AI 的終局是什么樣，大家應該都還在持續摸索中。今天呈現出的形態可能只還是方向之一，這次巨大的變革遠遠還沒有到達終點。今天還在起點踟躕不前 ，或者已經在剛出發路上的每一個人，我們都需要立即停下“我們的AI編程水平夠不夠先進”，以及“工程師會不會被AI代替”這些持續性無謂的焦慮，現實地，其實很多人還沒有開始真正地使用AI，更多人還沒有全面地擁抱AI，更多更多的人追趕AI以及追趕那些AI領先者的速度還很慢。

我們只要從現在開始，積累認知，持續提速，窗口還在為每一個行動起來的人們打開。

在我們奔跑向AI的路上，如果我們再次失眠，那就干脆坐起來，和AI做一次深刻地好朋友之間的真誠交流，也或許嘗試和她完成一個AI編程技術地深刻探討。

我們正在做的三件事，還只是AI成長路途中的初步嘗試

• 端到端 Agent 工作流：部署基于 AI Agent 的協作平臺，把需求解析、代碼生成、測試到部署串起來，讓智能編排變成日常。
• AI 驅動的質量工程：把 TDD 和 AI Native 架構設計貫穿到日常開發中。寫代碼快是好事，但前提是代碼質量和系統彈性不能降。
• 團隊 Skill 的 AI 轉化：建一個簡單規則：當某個操作被團隊里四個人以上重復做時，就把它提煉成 AI 可調用的智能模塊。經驗不封裝在個人腦袋里，而是變成團隊的可復用資產。

還有知識圖譜，還有更多...，飛速成長的我們，也許每次在新的一天醒來后，發現這些遠遠都還不夠...，我們需要持續加速...

誰也不能在一夜之間變成 AI 專家，失眠了一整夜也不行，但從今天開始，試試這些事：

• 用 AI Agent 跑一個你手頭正在做的真實任務，不是玩具項目，是真活兒

• 試著設計一個多步驟的 Agent 工作流，可能還不是很完美，甚至還很粗糙

• 把你最擅長的那個領域里的一個經驗，寫下來和AI交流，看看哪些是AI友好的知識庫

未來已來，只是分布不均。我們能做的，就是讓自己站在這個分布的前沿。