aiXcoder：AI并非軟件開發的“銀彈”，需與軟件工程結合

近日，硅心科技（aiXcoder）產品研發負責人黃寧受邀出席CSDN和奇點智能研究院聯合主辦的“全球C++及系統軟件技術大會”，并發表《超越vibe coding，構建以人為主的可靠開發流程》主題演講，與來自騰訊、阿里、百度等企業的領域專家共同探討大模型驅動的軟件開發現狀及未來。

黃寧認為，Vibe Coding模式雖然在特定場景下展現出高效的生成能力，但卻難以適配企業級復雜項目開發。AI并非軟件開發的“銀彈”，需要與軟件工程相結合，構建集能力擴展與行為監測于一體的可靠AI研發流程，確保軟件交付質量的可控、可預測與高效落地。

 圖：硅心科技（aiXcoder）產品研發負責人黃寧

企業級應用場景下，AI開發模式的挑戰與思考

隨著大模型能力提升，“通過自然語言指令讓AI生成符合特定風格代碼”的Vibe Coding開發模式日漸興起，其核心特征是將代碼細節幾乎全部交由AI生成，人僅聚焦需求描述與最終結果。

然而，aiXcoder在工程實踐和與企業的交流中發現，Vibe Coding模式直接應用于企業級項目會暴漏出諸多問題：AI生成的代碼常忽略企業既有工具函數，擅自增加獨立模塊，追求“當下問題解決”而不顧后期維護，甚至因缺失安全校驗留下漏洞隱患，增加代碼評審負擔。

深層原因在于，企業級復雜項目往往承載著長期的迭代需求，沉淀了大量隱性規則和多年維護的考量。而AI缺乏人類工程師的“吃虧經驗”——無法預判未來需求變化、推演潛在風險，只能給出“局部最優解”，難以滿足工程所需的“全局穩定性和未來可擴展性”要求。

 圖：Vibe Coding在企業級環境“水土不服”的原因分析

aiXcoder“AI+軟件工程”實踐路徑

面對企業級智能化軟件開發提效需求，aiXcoder秉承“圍繞AI能力范圍設計系統、確立開發者為項目最終責任主體、學習與傳承軟件知識”三大AI軟件工程原則，將AI編程能力與軟件工程方法論深度融合，形成一套完整的“AI+軟件工程”開發范式。

一、拆解復雜任務，定義人與AI能力邊界

核心解決思路是縱向分層、橫向分離。縱向分層指的是識別并拆分出高復雜任務與低復雜任務——將AI擅長的、勞力集中型的低復雜任務（如文檔撰寫、測試代碼生成、代碼調試等）交由模型處理；人類工程師則解放精力，聚焦高層次的結構設計和流程監督。橫向分離是指確定人與AI分工后，進一步通過軟件工程手段切割任務邊界，明確每一步的輸入和輸出。比如采用簡易版Spec模式模擬“需求-設計-實施-落地”流程，或通過工作流編排工具構建多輪審批/循環迭代的復雜流程。

 圖：aiXcoder拆解軟件生產的復雜任務

無論采用哪種方式，目的都是在當前模型能力邊界內，將明確目標下的搜索和實現動作交給大模型，最終由人類來控制核心方向和調整策略，實現整體研發效能的提升。

二、構建可驗證系統，確保企業級安全標準

構建“工具自動化監測+人工經驗評審”的雙重保障體系：

l 底層：通過Sonar等工具進行語法分析、漏洞掃描，記錄AI編碼行為與變更；

l 中間層：引入沙盒模擬運行環境，保證系統持久可用，并設置檢查點，確保一旦出現破壞性變更時能夠快速恢復穩定；

l 高層：將監測結果轉化為健康值指標，供工程師實時監控，使人聚焦更核心的指標設計工作。

 圖：aiXcoder構建軟件開發可驗證系統的技術方案

三、提取企業隱知識，為AI提供更多上下文

企業研發體系中，大量項目經驗、實踐心得、特殊語境下的專有名詞等“隱知識”，往往埋藏在工程師的記憶與實踐中，未形成書面文檔，這構成了大模型的視野盲區。針對這一問題，aiXcoder深度貼合企業業務場景，提供不斷進化的兩種方式：

l 提示詞工程：如同人類經驗傳承一樣，將隱性經驗轉化為標準化提示詞模板，通過自定義配置方式提供給AI。

l 上下文工程：在提示詞基礎上，引入進階的上下文工程，打造領域化程序分析平臺。通過成熟的軟件工程工具，將Git提交歷史、代碼倉庫結構、項目文檔、領域知識等多元信息，轉化為高質量上下文提供給AI，讓AI像人類工程師一樣“查閱參考資料”，大幅提升代碼生成準確率。

 圖：aiXcoder領域化程序分析工具集

這一整套“AI+軟件工程”的開發范式，已經在aiXcoder服務企業的實際項目中得到驗證。以通信行業某頭部企業的黑盒測試自動化項目為例，該項目以軟件需求文檔為輸入，通過AI工作流與多智能體協同，最終生成可批量化執行的測試腳本。

aiXcoder結合通信行業領域知識，模擬企業開發者的真實工作流程建模，形成“需求規范化-測試用例細化-腳本輸出-驗證”的完整鏈路。同時，將黑盒測試常用的策略植入提示詞以提升AI輸出準確率。為保障結果可靠，在測試用例生成和拆分環節設置可信性檢查，超過閾值自動觸發人類核驗。最終，測試腳本生成后，引入沙盒自動化驗證，確保交付給企業的腳本能夠直接應用于實際測試工作。

 圖：aiXcoder黑盒測試自動化方案

未來展望：從“定義軟件”到“定義軟件開發模式”

談及行業未來，黃寧表示，盡管AI能夠完成基礎的編碼任務，但遠無法獨立承擔項目級開發工作?！皢渭儗懘a”的能力將逐步被AI替代，而整個行業將整體向“程序工程師”的方向演化。這意味著AI正在消除原本逆人性、占用大量精力的重復性勞動，而人類開發者需要將更多精力集中在解決系統復雜性的任務上。最終，行業將從“定義軟件”進化為“定義軟件開發模式”。

為實現這一目標，aiXcoder正從“橫縱”兩個維度雙向發力：縱向深耕金融、軍工、通信等領域，深入企業業務場景、開發流程與領域知識，構建適配企業需求的專屬智能開發系統；橫向打通需求、設計、開發、測試、運維全流程，提供覆蓋軟件生命周期的效能工具。橫縱維度相結合，形成平臺級能力，通過模型層、領域化工具層和應用層的有機組合，快速落地面向各類軟件任務的解決方案，讓企業級AI開發可靠、可控且高效。

關于硅心科技（aiXcoder）

硅心科技（aiXcoder）孵化自北京大學軟件工程研究所，聚焦智能化軟件工程，致力于實現軟件的大規模自動化生產。通過為企業提供完備的智能化軟件開發工具和解決方案，aiXcoder目前已助力金融、軍工、航天、通信、能源等行業的企業用戶，實現研發提質增效。