最近,我做了一次挺有意思的实践。
我使用 OpenCode 调用 DeepSeek v4 系列模型(flash、pro),对开源 3D 打印机固件 Marlin 2.1.x 进行了一次逆向分析。我给它的任务不只是解释代码,而是梳理软件架构、识别模块依赖、追踪关键数据流,并生成一套便于后续开发和维护的代码知识库(CodeWiki)。
这个项目大约有62万行C/C++代码。整个分析流程约用了10分钟,就形成了代码索引、架构报告、模块依赖图、关键流程分析以及相关脚本。
(OpenCode+DeepSeek v4+Agent:10分钟构建的codewiki,还包括架构、完整的模块依赖关系、数据流等矢量图,详见:https://github.com/Kerryzhu-tj/DeepSeek-Harness/)
这件事让我想到一个问题:过去,工程师面对这样规模的代码仓库,往往需要花费数天甚至更长时间,才能逐步建立对系统的整体认识。如今,AI智能体为什么能在十分钟左右形成一套初步的分析成果?这是否意味着,人类软件工程师的认知边界正在被突破?
我的判断是:AI正在扩大工程师能够处理的软件信息范围,也在改变我们理解和驾驭复杂软件的方式,虽然这不等于AI已经在十分钟内真正、完整地“读懂”了62万行代码。要看清这场变化,既不能低估 AI,也不能把一次令人惊讶的演示直接等同于全面超越。
一、软件工程真正的难题,往往不是写代码,而是理解系统
过去两年,AI软件开发最受关注的话题是代码生成:补全一段代码、实现一个函数、修复一个Bug。这些能力很有价值,但我认为,它们还没有触及 AI 对软件工程更深层的影响。
软件工程中真正棘手的工作,往往是理解一个已经存在、持续演化的大型系统。
一个成熟的软件系统,可能包含成千上万个源文件、数百个模块、复杂的接口关系、大量配置选项,以及多年演化后形成的隐含约束。一个功能的实现可能横跨多个模块;一次接口修改也可能影响完全不同的子系统。工程师要理解它,不仅要知道某段代码“做什么”,还要弄清楚模块之间如何协作、数据如何流动、配置如何影响行为,以及局部修改可能带来什么影响。
传统上,工程师需要逐步建立一张“认知地图”:先熟悉目录结构,再阅读关键代码,追踪接口和调用关系,梳理数据流,最后形成对系统架构的整体认识。这一过程高度依赖个人的时间、经验和注意力。即使是经验丰富的架构师,也很难在短时间内阅读数十万行代码,并在头脑中持续维护所有细节及其关系。
AI 智能体正在改变这个过程。它可以遍历大量文件,调用脚本提取结构信息,通过检索定位关键代码,把中间结论写入外部文档,再基于这些结果继续分析。它不需要把所有信息同时保留在模型上下文中,而是可以借助工具、索引和持久化知识,持续推进一项复杂任务。
变化的关键,不是AI突然拥有了人类大脑式的整体理解能力,而是工程师可以把大量信息获取、关系整理和初步分析工作交给一个由模型、工具和外部知识共同构成的智能体系统。
二、十分钟分析62万行代码:AI究竟做到了什么?
回到 Marlin 这个案例。Marlin 是一个开源 3D 打印机固件项目,涉及运动控制、温度控制、G-code 命令处理、硬件抽象、显示界面和多种外设,并包含大量可选功能。不同硬件平台和配置组合,也增加了理解整个项目的难度。

这次分析形成了几类比较有价值的成果。
第一,建立代码仓库的全局索引。系统记录了 3,785 个仓库文件,识别目录和文件的基本用途,并生成源文件及模块导航信息。其中,依赖分析实际处理了 2,629 个 C/C++ 源文件。工程师可以先从索引中定位信息,而不必完全依靠人工逐个寻找。
第二,梳理软件的逻辑架构。分析将代码归并为 92 个逻辑模块,并围绕硬件抽象、核心功能、G-code、功能特性和用户界面等部分整理其职责与关系。这不只是给目录贴标签,而是在尝试回答:模块承担什么职责?核心功能在哪里?不同层次如何关联?

第三,识别模块依赖和潜在耦合热点。静态分析识别出 810 条模块间的有效 include 依赖边,并发现 105 组双向 include 关系。报告还将 inc 识别为全局配置和条件控制的重要枢纽,将 module.core 识别为运动与温度相关核心功能的重要入口。这些线索有助于工程师进一步检查依赖集中、模块边界不清和潜在循环依赖等问题。
(组件依赖图的局部展现)
第四,追踪关键数据流和控制流程。报告梳理了 G-code 从输入队列、命令解析、命令分发,到运动规划、步进执行的主要处理路径,也分析了温度控制等机制。分析由此从“单个文件做什么”,推进到“多个模块如何协同完成一项功能”。

这几类成果结合起来,才是这次实践真正值得关注的地方。AI 不只是生成了一份代码摘要,而是把大型代码仓库初步转化为一套可检索、可继续分析的工程知识资产。
当然,必须把成果边界说清楚。此次依赖图主要来自头文件包含关系的静态解析,不能等同于完整的运行时调用图;数据流分析也不等于对所有配置组合和运行行为的完整验证。这次实践证明的是:AI 智能体能够快速形成有价值的静态逆向分析成果,而不是已经完整理解并验证了整个系统。
所以,“十分钟读懂 62 万行代码”更准确的含义,是十分钟左右建立一套初步的系统认知框架,而不是十分钟完成了人类意义上的逐行阅读和全面理解。
三、工程思维空间:AI为什么能扩大工程师的工作半径?
我倾向于用“工程思维空间”来理解这种变化。
这里所说的工程思维空间,并不是模型参数规模,也不是一个已经有统一测量标准的认知科学指标,而是本文用于分析软件工程活动的一个视角:一个工程主体在有限时间内,能够获取、关联、推理和验证多少与工程问题有关的信息。
从这个角度看,AI智能体至少在四个方面改变了工程师的工作方式。
首先,信息覆盖范围更大。人类阅读大型代码仓库时,通常会优先关注核心模块和关键路径,很难在短时间内检查所有文件。智能体则可以通过脚本、检索和自动化遍历,把大量文件纳入统一的分析流程。当然,读取文件不等于理解文件,但更大的信息覆盖范围,为发现跨文件关系提供了基础。
其次,关系发现可以规模化。大型软件的复杂性,很大程度上来自关系,而不只是代码数量。哪些模块依赖某个接口?一个配置宏影响哪些实现?一次功能修改可能涉及哪些文件?AI 可以先借助工具提取大量结构关系,再对重点关系进行语义分析。过去依赖工程师逐步探索的工作,因此有机会变成可重复执行的分析流程。
第三,外部记忆扩大了持续工作的范围。智能体可以把中间结论写入代码索引、架构文档、结构化数据和任务记录,后续步骤再按需检索和使用。它并不是没有上下文和记忆限制,而是可以把一部分记忆工作交给外部知识资产,减少反复查找和重复整理。
第四,分析与探索可以持续迭代。当文件检索、关系枚举和基础文档编制能够自动化后,工程师就可以把更多精力用于判断真正重要的问题:架构是否合理?模块边界是否清晰?潜在风险是否可接受?AI 也可以生成多个候选解释和分析路径,供工程师比较、追问和验证。
需要强调的是,这些优势并非来自大模型单独“思考”得更多,而是来自模型、Agent、工具和外部知识的协同。AI 仍然可能遗漏信息、误解关系,甚至把局部正确的结论组合成错误的整体判断。工程思维空间扩大了,不代表结论的正确性自动提高;信息处理能力增强了,也不代表复杂性已经被消除。
四、三项研究:AI 正在向更大规模的软件工程任务延伸
Marlin 是一次工程实践,单个案例不足以支撑普遍性结论。我又从大规模软件开发、代码仓库级理解和软件架构设计三个方面,关注了三项2026年的研究。它们不能直接证明 AI 已经超越人类工程师,却提供了相互补充的证据。
1. 百万行软件系统:AI能否参与大规模工程?
ICSE-SEIP 2026发表的论文:Less Effort, More Productivity: Lessons Learned from Developing Millions of Lines of Code with Large Language Model,研究了一个经过十多年演化、规模达到152万行代码的工业软件系统 PicoScenes。
研究团队提出“专家—AI 混合开发方法”:人类专家负责架构设计、技术诊断和关键决策,大模型参与原型开发、代码实现和重构。研究报告显示,在其评估场景中,功能实现时间平均缩短 68.3%,平均圈复杂度降低 28.2%,缺陷率降低 50%;硬件性能测试中,部分设备的峰值 CPU 使用率也有所下降,USRP X310 的降幅约为 25%。
这并不意味着大模型独立开发了整个152万行系统。研究的核心恰恰是人和 AI 的分工:专家把握架构和关键技术判断,AI 承担大量实现与重构工作。研究也有明确边界——它针对单一项目和特定技术领域,不能据此推断所有大型软件项目都会获得相同收益。
它提供的启示是:在专家主导、过程受控的协作模式下,AI 的作用可以从生成零散代码扩展到百万行级系统的开发与维护。
2. SWE-QA:大模型能否理解真实代码仓库?
发表于 Findings of ACL 2026的论文:SWE-QA: Can Language Models Answer Repository-level Code Questions?,把真实软件仓库理解变成了可评估的研究问题。
研究团队从12个热门代码仓库的77,100个 GitHub Issues 中提炼开发者问题,最终构建了包含720组高质量问答对的评测基准,覆盖意图理解、跨文件推理和多跳依赖分析等类型,并对六种先进大模型进行了评估。
它关注的已经不只是“某个函数做什么”,而是需要模型跨越多个文件,结合接口、数据结构、模块职责和依赖关系,解释真实系统中的问题。
这与Marlin分析有直接关联:理解一个功能,往往需要同时追踪配置、接口、数据结构和处理路径,而不是只读一个文件。SWE-QA的价值在于,它为评估这种仓库级问答和跨文件推理能力提供了基准。
但要注意,能够回答仓库级问题,不等于已经完整重建了整个系统;能够解释某条依赖链,也不等于能够保证架构设计正确。它证明的是软件理解能力正在从函数级、文件级,向跨文件、跨模块推理扩展,而不是模型已经获得了完整的系统认知。
3. Better Together:大模型能否参与软件架构设计?
发表于IEEE Transactions on Software Engineering的论文:Better Together: An LLM-Assisted Approach to Designing Software Architectures Using Attribute-Driven Design,研究了利用属性驱动设计(Attribute-Driven Design,ADD)辅助大模型进行软件架构设计的方法。
研究团队把ADD方法和架构师角色描述提供给大模型,引导它制定结构化的设计迭代计划,并生成架构设计文档。研究通过与已有成熟方案比较,以及邀请四位专业软件架构师评估生成方案等方式进行验证。结果表明,在该研究设定下,ADD方法有助于生成较为完整、能够回应架构驱动因素的设计文档;同时,研究者也指出,关键且微妙的架构决策仍需要人类反馈和指导。
这项研究的重要性,不只是AI可以生成架构图或设计说明,而是它开始在明确的方法、质量属性和约束条件下,参与架构推理与设计迭代。
当然,这仍不意味着大模型已经普遍超过人类架构师。它更具体地说明:当设计方法、输入约束和评价标准足够明确时,大模型已经能够承担一部分实质性的架构设计工作。
三项研究放在一起,说明了什么?
|
|
|
|
|---|---|---|
|
|
|
|
|
|
|
|
|
|
|
|
三项研究共同指向一个趋势:AI 正从局部代码生成,向大规模实现、仓库级理解和结构化架构设计延伸。这比单纯比较代码生成速度,更值得软件工程领域关注。
五、认知边界正在怎样变化?架构师的价值又将如何变化?
那么,AI究竟突破了什么边界?我认为,首先变化的不是软件复杂性本身,而是单个人类工程师能够借助工具处理的复杂性范围。
可以把架构工作粗略分成三个层次。
第一层是架构事实分析。例如识别模块职责、接口关系、依赖热点、循环依赖和潜在架构异味。这类任务结构相对明确,适合由静态分析工具和 AI 协同完成。AI 可以大幅减少人工检索和整理的时间,但分析结果仍需要结合代码语义进行核验。
第二层是架构方案设计。例如划分模块边界、选择接口形式、提出重构方案、比较不同设计。这一层需要综合更多上下文和约束。AI 已经能够在结构化方法指导下参与其中,但方案是否满足性能、可靠性、安全性和可维护性要求,仍需要评估与验证。
第三层是架构决策与长期权衡。例如在性能、可靠性、安全性、成本和业务演化之间作出取舍。这不仅涉及技术知识,还涉及领域背景、风险偏好、组织条件和长期责任。AI 可以提供信息、分析候选方案,却不能仅凭一份看似合理的说明替代组织对风险和责任的判断。
因此,“AI 会不会超过架构师”不能用简单的会或不会来回答。在边界明确、信息可获得、结果可验证的任务上,AI很可能持续超过普通工程师的手工处理效率,甚至在某些专门任务上达到或超过专家水平。但在完整架构工作中,目标定义、约束识别、质量属性权衡和责任承担,依然是决定方案是否可行的关键。
这意味着架构师的价值标准正在发生变化——更具价值。
过去,一位优秀架构师的重要优势,是凭借经验快速理解系统,在头脑中建立相对完整的架构模型。未来,AI可以承担越来越多的代码阅读、依赖分析和候选方案生成工作。架构师更能聚焦更有价值的工作:定义正确的系统目标、识别真正重要的约束、设计有效的规约和验证机制,并判断AI给出的分析与方案是否值得采用。
未来的竞争,可能不再是谁记住了更多代码,而是谁更善于组织人、Agent、工具和工程知识,让整个系统持续做出正确的工程决策。
六、软件工程3.0:以规约、Agent 和验证证据驾驭复杂性
把Marlin实践和三项研究放在一起看,我认为,它们揭示的不只是模型能力的提升,更是软件工程组织方式变化的可能性。
在我提出的“软件工程3.0”框架中,软件开发正在从以代码为中心,逐步走向以规约为核心、以Agent为执行主体、以验证证据为质量依据的工程模式。这里的关键不是让AI独自承担所有工作,而是重新组织人与智能体的职责。
规约(Spec)为核心。人类需要明确系统要实现什么、有哪些约束、接口如何协同、什么结果可以接受,以及哪些风险不能突破。对于大型软件,清晰的需求、接口规约、质量属性和验收条件,是多个Agent能够分工协作的基础。
Agent为执行主体。智能体可以负责检索代码、分析架构、生成实现、调用工具、处理反馈,并推进跨文件、跨模块的工程任务。多个Agent还可以依据明确的任务边界、接口和交付条件进行协作与博弈。
人做决策和判断。人类负责确定目标、权衡质量属性、处理关键取舍,并对重要工程决策承担责任。人的价值不再只是亲自完成每一项实现工作,而是确保整个工程系统朝着正确的方向运行。
验证证据为质量依据。架构文档是否合理、代码是否正确、系统是否满足需求,不能仅凭AI的自我解释来判断,而要结合静态分析、构建结果、自动化测试、性能测试、运行监测,以及必要的HIL测试等证据。
这四个要素共同构成了人机协同驾驭复杂软件的基础。规约让目标和约束可理解,Agent 让复杂任务可以被分解和执行,人类负责关键判断,验证证据则为交付质量提供依据。
需要说明的是,前面三项研究并没有验证软件工程3.0的全部框架,但分别从大规模开发、仓库级理解和架构设计等方面,提供了这一方向的一些证据。真正的软件工程3.0,还需要把规约、执行环境、过程控制、独立验证和组织治理连接成一个可持续运行的工程体系。
结语:真正的边界,正在从个人能力转向工程系统能力
回到最初的Marlin案例。十分钟形成62万行代码的初步逆向分析成果,并不意味着 AI已经完全理解了整个系统,更不意味着所有分析结论都正确。但它展示了一种过去很难实现的工作方式:智能体可以在较短时间内,把分散的代码、模块关系和架构线索整理成一套初步的、可继续检索和验证的工程知识体系。
三项研究又从不同侧面说明,大模型的应用正在从局部代码生成,延伸到百万行级软件开发、真实仓库的跨文件理解,以及结构化架构设计。
因此,我更愿意把这场变化概括为:AI正在扩大单个人类工程师能够处理的软件信息范围,并有可能进一步提高整个工程团队驾驭复杂软件的能力上限。
被突破的未必是人类认知能力的绝对边界,也不是软件复杂性的客观边界,而是过去受限于个人时间、注意力和记忆能力的工程工作边界。借助Agent、工具、外部知识和验证机制,我们有机会把一个人难以掌握的庞大系统,转化为一个可以持续分析、协同处理和逐步验证的工程对象。
对软件工程师和架构师来说,真正需要思考的问题,已经不只是“AI能替我写多少代码”,而是:当AI能够分析大型代码仓库、参与架构设计并执行越来越多的工程任务时,我们应该如何重新定义架构师的价值,如何重构软件开发的组织方式,又该如何建立可信的质量保证机制?
这才是软件工程3.0最值得探索的方向。

