AI 全面编程时代，工程师怎么写代码？| 小米 Vela 团队思考

一次内部交流引发的思考：开发范式正在发生什么变化，我们该怎么办

Vela 团队 | 2026 年 3 月

缘起：一场聊了三小时的对话

3 月 17 日下午，我和我们 Vela 团队几位小伙伴去找川总（小米联合创始人）聊聊 AI。本来以为是一场轻松的分享会，没想到一聊就是三个小时——而且越聊越深，从“工具怎么用”很快转到了“写代码这件事本身正在变”。

说实话，川总三年前就在推 AI All-In，那会儿很多人觉得还早。但回头看，他的判断比大部分人提前了至少两年：AI 不是一个“效率工具”，它正在改变我们写代码的整个方式。

他举了一个例子我觉得很生动：当年特斯拉说“以后驾驶员可以闭着眼睛开车”，多数人觉得是科幻，还早。结果呢？L2/L3 已经到处都是，L4 也开始落地了。同样的事情正在程序员写代码这件事上发生——从 GitHub Copilot 到现在各种 LLM 编程助手，“程序员”可以闭着眼睛“写代码”这件事，比我们想象的来得快得多。

这些事让我们不得不想一个问题：工程师的工作边界，是不是正在被重新定义？

一、可能这五件事，决定你在 AI 时代的竞争力

1. 从“自己写”到“指挥 Agent 写”

川总用了一个词叫“千军万马”，我觉得特别准确。

未来衡量一个工程师的能力，不再是“你一天能写多少行代码”，而是“你能同时指挥多少个 AI Agent 协同工作”。已经有团队自研了 Agent Team 编排系统，从需求拆解、代码生成、测试到部署，全程自动跑。人在整个自动链路中可能是最大的瓶颈，人只需要负责定方向和拍板。

简单说：工程师正在从“代码匠人”变成“智能编排师”。核心能力不再是写代码本身，而是拆解复杂任务、整合工具链、在多个 Agent 协作中做决策。

2. TDD 不再是“最佳实践”，而是“生存技能”

AI 写代码快得可怕，但代码垃圾也是多到更可怕。如果没有测试和验证体系兜着，代码量爆炸式增长的同时，系统会迅速失控。这个时候，我们还得是靠AI解决AI的问题，我们都知道今天AI 写测试用例和测试程序的速度和能力也是提升的快到可怕。

换句话说，“会写代码”首先要“会写清晰的测试用例”。

3. 系统架构：AI 暂时还替代不了的能力

AI 可以帮你写代码，但目前它还设计不好系统架构。

架构是高内聚、松耦合的系统性思考，需要经验、判断力和全局视野。一个架构混乱的项目，AI 越帮越忙；一个架构清晰的项目，AI 如虎添翼。我目前认为，未来核心工程师的价值，正在从“实现功能”转向“设计出让 AI 能高效工作的系统”。

这里面的含义很明确：系统设计、模块化、可扩展性这些“硬功夫”，在 AI 时代不但没贬值，截止到今天来看，还是看起来更值钱的。

4. 知识图谱是 AI 加速的”助燃剂”

这个时代，我们的先锋工程师们正加速成长，全面拥抱拥有近乎无限算力和数据的AI，并成为我们的智能合作伙伴。那今天我们要做出优秀的产品和系统软件，我们现在还缺的是什么？

我们觉得，现在还可能缺的是，专家工程师“纵深专业领域多年”积累的那些“踩过坑才知道”的知识沉淀，怎么能更友好地让我们的AI智能伙伴第一时间知道。

包含那些调试硬件问题时的最佳排查路径、产品体验中某些特定场景中用户问题的隐藏坑、某个接口规范设计背后的深层原因——这些知识往往没被很好地写下来，很多还只存在于优秀的资深工程师的经验里，没有这些特定经验型的知识，AI还一时做不到最优秀的产品级的系统软件。

所以在今天的AI编程时代，从组织上，系统化地梳理优秀资深工程师们的个人的知识沉淀，然后整理成对AI友好，AI 更好学习、更好复用的知识，并构建出团队和部门的特定的，成为整个部门AI加速的助燃剂“AI 智慧库”，这件事情变得尤为紧急和重要。

5. 工程师不只是用工具，而是要造工具

今天的工程师的AI编程能力，在行业里被分为8个等级，排在最高等级的工程师们，他们AI生产力的炉火已经被烧到纯青，这纯青的烈焰足以帮助他们锻造出他们想要的任何形态的生产工具，在他们眼里，市场上流通着的那些生产工具可能是只能用来砍柴的农具，只有他们那纯青的炉火才可以冶炼出更精良的利器。

真正的AI编程高手遇到问题的第一反应可能不是“找一个工具”，而是“能不能用 AI 做一个专门解决这个问题的工具”。这或许才是AI 编程时代的一种创新思维，或者说至少是一个非常重要的方向。

二、说实话：差距真实存在，但窗口还开着

这次交流给我两个深刻的感受：更兴奋，同时也更紧迫。更兴奋的是我们对AI 潜力的认知有了更好的积累；那更紧迫的是，我们和最好的AI团队的差距确实正在拉开。

川总的一句话让我印象很深：“AI 使用时长和进化速度是指数关系。早期使用者的认知深度会形成正向循环，越来越快，后来者追赶的难度会持续加大。”

兴奋和紧迫交织就会产生焦虑，持续焦虑就会失眠，那好处是失眠能让我们有更多时间来思考。

今天，领先的团队确实已经走得很远，但 AI 的终局是什么样，大家应该都还在持续摸索中。今天呈现出的形态可能只还是方向之一，这次巨大的变革远远还没有到达终点。今天还在起点踟蹰不前 ，或者已经在刚出发路上的每一个人，我们都需要立即停下“我们的AI编程水平够不够先进”，以及“工程师会不会被AI代替”这些持续性无谓的焦虑，现实地，其实很多人还没有开始真正地使用AI，更多人还没有全面地拥抱AI，更多更多的人追赶AI以及追赶那些AI领先者的速度还很慢。

我们只要从现在开始，积累认知，持续提速，窗口还在为每一个行动起来的人们打开。

在我们奔跑向AI的路上，如果我们再次失眠，那就干脆坐起来，和AI做一次深刻地好朋友之间的真诚交流，也或许尝试和她完成一个AI编程技术地深刻探讨。

我们正在做的三件事，还只是AI成长路途中的初步尝试

• 端到端 Agent 工作流：部署基于 AI Agent 的协作平台，把需求解析、代码生成、测试到部署串起来，让智能编排变成日常。
• AI 驱动的质量工程：把 TDD 和 AI Native 架构设计贯穿到日常开发中。写代码快是好事，但前提是代码质量和系统弹性不能降。
• 团队 Skill 的 AI 转化：建一个简单规则：当某个操作被团队里四个人以上重复做时，就把它提炼成 AI 可调用的智能模块。经验不封装在个人脑袋里，而是变成团队的可复用资产。

还有知识图谱，还有更多...，飞速成长的我们，也许每次在新的一天醒来后，发现这些远远都还不够...，我们需要持续加速...

谁也不能在一夜之间变成 AI 专家，失眠了一整夜也不行，但从今天开始，试试这些事：

• 用 AI Agent 跑一个你手头正在做的真实任务，不是玩具项目，是真活儿

• 试着设计一个多步骤的 Agent 工作流，可能还不是很完美，甚至还很粗糙

• 把你最擅长的那个领域里的一个经验，写下来和AI交流，看看哪些是AI友好的知识库

未来已来，只是分布不均。我们能做的，就是让自己站在这个分布的前沿。