软件工程3.0时代，AI落地研效成熟时

本文为直播《总结与展望：2025 迎接 AI 落地研发效能》的文字概括。

回看2024

张乐：2024年已经去过去了，想请各位老师一起去回顾一下过往。在过去的一年里面，大家在研发效能领域有哪些很突出的感悟，或者突破性的实践案例。

任晶磊：据说现在每年都是未来十年最好的一年，从这个角度来说我们应该珍惜当下的幸福。2024年主题是“迎接AI研发落地的黎明”。常有人将当前AI发展与移动互联网时期相比较，这多是从市场和商业角度出发。而从技术角度看，我们可以类比大数据的发展初期。

当前AI的状态，或许类似于2005年前后，当时谷歌的三驾马车已发布，其实践在大公司中得以稳固落地，但开源的 Hadoop 还没有出现。虽然现在与那时有所不同，但变化的速度更快了。如今在一些大厂，AI实践已初见成效，这表明AI技术正在逐步成熟。

AI在首先在大厂中落地研发，原因在于大厂在知识管理和规范方面更具优势，结合企业内部知识和业务逻辑，已取得不错的效果。我们期待未来能有成为标准的AI知识工程产品或开源项目出现，这将是AI黎明的真正到来。

此外，2024年，降本增效成为技术高管的核心任务。在当前形势下，大家更关注如何提高效率、降低成本。数字化成为衡量技术管理成效的关键，这也是技术管理者立身之本。

总之，2024 年我们见证了数字化和降本增效成为技术管理的真正诉求。

徐陈飞：正如晶磊老师所说，尽管我们可能会从消极的角度看待这一年，但这也标志着积极的开始。我认为去年是AI大规模发展的元年。此前，我们一直通过在工程的各个领域增加或减少实践来提高效率，包括建设工具链平台、工程能力自动化，以及精简需求、代码即文档等方面。然而，这一切常常受限于工程师的能力。

去年，随着大模型的兴起，我们进入了软件工程3.0的时代。我在去年开始就投入了大量实验田，比如输入需求可直接生成代码，输入代码可直接生成单元测试，根据需求产生测试用例，这些基于一些普适知识就能够实现的内容，在过去个体力量需要通过充分培训学习才可以掌握的能力，在当下可以通过大模型加速实现（虽然仍然会很大程度依赖于知识库的应用）。在那一刻开始，我意识到普适性知识的重要性可能正在逐步下降，而创意和想法变得更为关键，基于普适知识所产生的一切衍生品都会因此加速产生。

我们将这种变化比作“外骨骼”的出现，它增强了工程师的能力。

总的来说，过去一年的发展让我意识到，如果我们能发展出足够强大的“外骨骼”，那么许多我们曾经认为重要的东西可能不再那么关键。这就是我想分享的主要内容。

王欢：今天，我想从一个细微角度分享我在效能提升方面的重要收获。自2019年起，我们公司便开始探索效能度量，当时这一领域鲜有公司涉足。我们的工作经历了几个阶段，从攻克“取数难”，到突破“度量难”，如今正面临“改进难”的挑战。我们深知，若仅将度量作为考核工具，研发团队可能会为了迎合指标而开展无意义的工作，这显然不是我们所追求的可持续度量模式。

我们真正追求的是，在度量发现问题后，如何指导项目组进行持续改进，从而真正实现提质增效。因此，效能改进成为了我们的核心工作。然而，通过改进切实提升效能并非易事。例如，效能低的团队本就处于高压状态，再提出改进要求容易引发他们的抵触情绪；而效能尚可的团队，问题相对较小，可能会觉得我们在无事生非。好不容易说服他们进行改进，后续的跟踪、复盘、指导却耗费大量精力，这无疑让本就人员稀缺的效能组雪上加霜。后来，我们借助CMMI贯标契机与EPG（过程改进小组）展开合作。EPG本身作为持续改进小组，协助督办效能持续改进，发挥了巨大作用。需要特别强调的是，EPG的特殊之处在于，其成员涵盖一线骨干专家，