大咖论道｜从持续建造到智能进化——让每一次进步都刻下自进化的基因

— 01 —

20世纪60年代，计算机刚刚进入教育领域，多数人想的是让计算机帮助教师讲课、出题和评判答案。西摩尔·派珀特却换了一个方向：与其让孩子通过计算机接受知识，不如让孩子指挥计算机创造东西。为此，他和同事设计了Logo语言，创造了一只会画画的“小海龟”。孩子想让它画一个正方形，就要告诉它向前走多远、在哪里转弯、转多少度。画歪了，就回头修改指令。正是在一次次画图、观察和修改中，孩子逐渐理解了角度、循环和程序。

派珀特把这种方式称为“建造主义”：人很多时候并不是先学会、再去建造，而是在建造一个可观察、可检验的东西时，才发现自己哪里没有想清楚，并在不断修改中真正学会。

软件开发也是如此。它从来不只是把已经知道的东西翻译成代码。一个需求被写成系统，一组规则被变成模型，一个业务过程被落实为可以运行的功能，这本身也是认识业务、理解世界和修正认知的过程。现实中的需求、规则和例外无法一次穷尽，我们是在建造软件，也是在建造中学习。当软件规模扩大、参与者增多，软件开发协作的自身复杂性也开始成为问题，《人月神话》揭示的正是这种“增加人手并不能线性提高产能”的困境。

软件工程几十年的发展，就是人们不断学习如何驾驭这两种复杂性的历史：企业架构和领域驱动设计帮助组织理解业务、约束系统边界，DevOps和平台工程缩短反馈、沉淀公共能力，知识工程则尝试保存和复用组织经验。这些不同方法想解决的其实是同一个问题：怎样把局部的经验，转化为一个组织可以反复使用、持续改进的软件生产能力？

我们也一直走在这条道路上。2022年我们推出源启·软件工厂，期待以企业架构和平台工程为主轴，以业技一体化为牵引，围绕需求、设计、开发、测试、迁移、投产和运营建设行业软件所需的一体化工具链。我们希望解决的，不只是让某个开发环节快一点，而是帮助行业用户在面对庞大的应用集群时，约束复杂性、降低开发门槛、提高交付节奏，并把一次次项目中形成的方法和能力沉淀在组织里。

事实上，AI出现以前，软件工程早已有自己的记忆。代码、架构、领域模型、接口、文档、测试和流水线，都被试图纳入有组织的积累；工程师对异常的判断、架构师对业务边界的理解，也是记忆。完善的工程体系理论上能够记录、组织和复用这些经验，只是这一过程仍较多依赖人的主动维护、查找、理解与连接。因人员流动、项目切换和系统长期演进，一些知识仍可能被忘记，一些经验可能停留在局部，未能及时转化为下一轮开发的约束和能力。

— 02 —

生成式AI带来了新的变化。代码补全、测试生成、文档生成、代码审查，再到能够连续执行任务的智能体，软件生产中许多原本依赖人工完成的工作开始被重新组织。Vibe Coding进一步降低了门槛，一个人只要用自然语言描述想法，就可能在很短的时间里做出可以运行的应用。这是生产力级别的跃升。

另一层变化发生在软件本身。Core Banking、ERP、MES、WMS、APS等专业系统仍将承载交易、生产和资源管理的确定性底座，但它们的调用层和自动化层正在从“人操作系统”走向“人设定目标、智能体跨系统执行”，一些轻量功能甚至可以按需生成。未来的企业软件，可能从静态应用的集合，演变为智能体与确定性系统协同工作的复合体系。

两层变化叠加在一起，AI既在参与生产软件，也开始成为软件的一部分。对于金融、能源、制造、交通、物流等行业，这带来的不是简单替代，而是一种新的分工：智能体提供理解、生成和动态执行的灵活性，核心系统继续承担业务连续、账务准确、安全合规和监管审计等确定性责任。一笔账不能只是大概率正确，一次交易不能仅是基本完成，一个核心系统也不能用“看起来最合理”代替可以验证的结果。

因此，AI软件工程面对的新命题，不只是生成速度有多快，而是我们能否同步建立理解、验证和驾驭这些产出与行为的能力。

生成代码不难，证明它正确、安全、合规、可回滚才难。让智能体执行任务也不难，难的是让它准确理解目标和约束，在明确的边界内采取正确行动，成为人可以驾驭的工程能力。

衡量AI软件开发，也不能只看代码生成量和采纳率。采纳率不等于生产率，一个人写得更快，也不等于一个组织交付得更快。真正的变化，要看交付周期是否缩短、缺陷是否减少、维护成本是否下降，以及经验是否留存在组织里。

有人“认为”过去的软件工程方法将被AI扫进历史，我们的判断恰恰相反。AI越强，企业架构、领域边界、规格、上下文、测试、权限、门禁和审计越重要。因为生成速度提高以后，那些过去可以在人工协作中逐步发现和消化的含混、冲突与错误，也会被更快地复制和放大。因此，过去二十年在企业架构、DDD、DevOps、平台工程、自动化测试、知识工程和一体化工具链上的投入，并没有过时，反而在AI时代迎来了新的价值。

架构成为护栏，边界成为安全，上下文成为AI理解任务的基础，约束本身成为生产力。

— 03 —

这也是我们建设源启GienCoder智能软件工厂的出发点。它不是在原有工具链旁边增加一个代码生成插件，也不是让AI绕过软件工程自由发挥，而是把过去几十年形成的行业软件工程能力，与AI时代出现的智能生产能力连接起来。

企业架构和领域模型提供业务与系统边界，平台工程和DevOps提供标准化的工具、环境与交付路径，代码、文档、测试和知识库提供上下文，安全、质量和研发治理划定AI能够做什么、不能做什么。规格驱动开发把业务意图外化为结构化规格，让AI知道要建造什么；Harness驾驭工程把工具、权限、过程和验证组织起来，让AI知道可以怎样建造；智能体参与需求分析、设计、编码、测试与审查，人工确认和质量门禁守住关键判断。

这些能力并不是零散地分布在若干研发工具里，而是被我们进一步组织成端到端的“四阶十二步”研发工艺。从准备、设计、开发到验证交付，每一个阶段都被拆解为标准化工程步骤，每一步都有明确的输入、输出、验证点、人工确认边界和产物留痕。它不需要把所有项目塞进一条僵化的流水线，可以在守住质量、安全与合规底线的前提下，根据任务复杂程度进行裁剪和重组。通过这样的体系化工程载体，AI才真正从单点生成工具进入可以被组织管理、度量和持续改进的软件生产过程。

智能体也不是免费的数字员工。它需要反复读取上下文、调用工具、运行测试和修复失败，背后是持续的算力、Token与治理成本。“四阶十二步”的另一个价值，恰恰在于把长链条的复杂任务拆成边界清晰、可以独立验证的工程单元，让智能体只加载必要的上下文，减少反复试探、返工和无效消耗。它不仅是一套治理机制，也是对AI工程实现复杂度和成本的优化。

智能进化并不限于从今天的积累开始。源启GienCoder智能软件工厂可以借助AI支持的逆向软件工程能力，从历史代码、文档和数据库中还原业务规则与技术知识，将其转化为结构化资产，再纳入知识中枢和“四阶十二步”研发过程。我们可以一边沉淀今天的研发经验，一边激活过去的系统遗产，让新旧知识共同进入下一版本。

— 04 —

到了这里，派珀特所说的“在建造中学习”，就可以从个人的学习扩展为组织的学习，并进一步获得智能进化的能力。一次开发会产生两种产品：一种是交付给用户的软件系统，另一种是能够参与下一版本生产的规格、模型、测试、缺陷、审查意见、Skill和工程经验。后者不只是被保存下来，还能被新的任务唤醒，被智能体调用，被验证体系修正，再重新写回组织的知识系统。记忆由此开始具有类似基因的作用：它不仅记录过去，还能更主动地参与下一代的形成。

这就是我们让软件生产从持续建造走向智能进化的关键一步。我们不是让软件生产第一次拥有记忆，而是让结构化研发过程、过程数据、工程资产与知识回写形成闭环。研发过程持续产生数据，数据帮助发现瓶颈、异常和改进空间；每一轮形成的规格、代码、测试与经验沉淀为工程资产，再通过知识回写进入下一轮生产。被推动的不只是单个模型的能力，而是整个组织的软件生产体系与智能进化能力。

神经科学家卡尔·弗里斯顿曾试图回答一个宏大的问题：生命为什么能够在一个充满意外的世界里维持自身？他的自由能原则很复杂，我只能理解一个大概：生命系统用自己的内部模型预测世界，通过行动接触世界，再根据现实与预测之间的误差修正模型。预测、行动、反馈和修正，构成了生命不断适应环境的循环。

我们在软件工厂中也建立了类似的循环：规格是对未来软件的预测，智能体把规格转化为行动，测试、审查和运行反馈暴露预测与现实之间的误差，人工确认和Harness守住行动边界，知识库、工程模型和Skill保存修正后的认识。下一次研发能够在既有积累之上，从一个更完整、也更容易被调用的“内部模型”出发。

这里所说的进化，从来不是推倒重来。生命不会因为环境变化，就丢弃已有的身体结构和全部记忆。源启GienCoder智能软件工厂同样不是用AI拆除过去的软件工程，而是让企业架构、领域模型、平台能力、DevOps流水线、测试资产和行业知识，获得更强的感知、执行、反馈和继承能力。

将来，一家企业真正的软件竞争力，不只是一个版本生成了多少代码、交付了多少功能，而是它能否让这一次研发形成的知识和经验，可靠地进入下一次生产。

在中国，有数百万从事行业软件的工程师，长期服务于不同的行业、机构和企业，把对业务的理解写进系统，把对安全、稳定与责任的坚守落实到每一次交付，共同积累了中国行业软件最宝贵的工程经验。今天，AI让这些积累有机会被重新激活，让更多知识进入生产，让更多经验得到传承，也让行业软件获得持续进化的新空间。软件生产的稀缺资源，正在从编码能力转向工程化组织能力。如何把这次技术跃迁转化为整个行业可持续的工程能力，是我们这一代行业软件工程师共同的机会，也是共同的使命。

这本白皮书，记录的正是我们对这件事的理解和实践：让结构化过程承载AI，让过程数据推动改进，让工程资产进入下一轮研发，让持续建造获得智能进化的能力。

让每一个项目，都从组织积累中继续生长。

让每一个版本，都刻下自进化的基因。