AI时代的软件工程新思考：从经验主义到第一性原理

引言：一个反直觉的发现

在与Claude和其他AI工具深度协作一周后，我有了一个反直觉的认识：在AI时代，做软件工程反而比做客服更简单。

这听起来可能违背常识，但让我解释一下原因：

• 软件工程有更好的环境：明确的输入输出、清晰的测试用例
• 有更清晰的reward机制：代码要么工作要么不工作，结果立即可见
• 有更多的数据和文档：技术文档、API说明、开源代码库

两个核心原则的转变

1. 基于结果而非过程

传统的软件开发强调过程：先学语法、再学框架、最后做项目。但在AI时代，我们可以直接从结果出发：

• 明确你想要什么
• 提供充分的上下文
• 让AI帮你实现细节

2. 白盒规则而非黑盒偏好

不再依赖个人经验或模型偏好，而是基于清晰的规则和逻辑：

• 规则是可解释的
• 逻辑是可验证的
• 结果是可重现的

我的实践案例：Go语言的第一个任务

最近在金山接到了第一个Go编程任务。我没有Go编程经验，但有6年Java经验。传统方法是：

1. 学习Go语法
2. 了解Go生态
3. 慢慢上手项目

但我选择了新方法：

1. 明确需求：用自然语言描述清楚要做什么
2. 提供上下文：告诉Claude我的Java背景和项目需求
3. 定义测试用例：明确输入输出的期望
4. 迭代优化：根据实际运行结果调整

结果？任务顺利完成，而且代码质量很高。

Context（上下文）：人类最后的护城河？

现在的AI模型推理能力很强，考试成绩优秀，游戏水平高超，但为什么还没有创造足够的经济价值？

根本原因：缺乏context（上下文）

什么是真正的Context？

在人类社会中，很多context永远只存在于人的大脑中：

• 老板的行为习惯
• 团队的隐性知识
• 公司的文化氛围
• 难以言说的经验

这些context是分布式维护的，每个人脑中都有一部分，无法完全文档化。

普通人的优势

世界上大多数人不是乔布斯或爱因斯坦，他们可能：

• 数学推理能力不如GPT-4
• 编程速度不如Claude
• 记忆力不如AI

但他们能够管理context：

• 进入公司7天后，积累了文档之外的隐性知识
• 理解团队的工作方式
• 掌握人际关系的微妙

这就是为什么即使你没有AI聪明，但有了这些context，你做得比AI好。

从道德经中寻找智慧

道：自然规律的体现

抛弃经验主义，从第一性原理出发，这就是道德经中"道"的体现：

"道可道，非常道"

真正的道不是经验的累积，而是对自然规律的理解和遵循。

如何得道？

种一棵果树，细心栽培，也能从中获得道。

这不是比喻，而是实践：

• 观察生长规律
• 理解因果关系
• 顺应自然节律
• 在实践中领悟

我的行动计划

基于这些思考，我制定了以下行动计划：

1. 建立个人知识体系

• 搭建专属博客网站
• 输出深度思考文章
• 制作视频分享
• 形成知识沉淀

2. 深度复盘与实践

就像我在命理深度学习中做的：

• 复盘过往30年的经历
• 结合专业知识
• 提供充分上下文给AI
• 减少噪音，提高准确性

3. All in 当下机会

一定要全身心投入金山AI的机会

只有专注和全情投入，才能：

• 获得真正的context
• 理解深层规律
• 在实践中得"道"

对未来的思考

挑战与机遇

更复杂的项目需求能否用这种方法解决？我相信是可以的：

• 复杂需求也能用自然语言描述清楚
• 技术文档可以提供充分上下文
• 正确的测试用例保证质量

新的工作方式

未来的软件工程师可能更像是：

• 需求翻译官：将业务需求转化为清晰的技术描述
• Context管理者：维护和传递项目的隐性知识
• 质量把关人：定义标准，验证结果

结语

AI时代的软件工程不是要替代人类，而是要改变我们的工作方式。从经验主义到第一性原理，从过程导向到结果导向，这是一个范式的转变。

最重要的是，保持开放的心态，在实践中不断学习和调整。就像道德经所说：

"上善若水，水善利万物而不争"

在AI的浪潮中，我们要像水一样，灵活适应，顺势而为，在变化中找到自己的位置和价值。

这是我对AI时代软件工程的一些思考，欢迎交流讨论。让我们一起在这个变革的时代，找到属于自己的"道"。