大家好，我是玄姐。
▼ 《双12 AI 原生应用落地专场》直播
预约保你有收获
Martin Fowler（马丁福勒） 是软件开发领域的标杆性人物，他是微服务之父，也是《敏捷宣言》起草者之一、《重构》《企业应用架构模式》等经典著作作者，作为 Thoughtworks 首席科学家，他对技术趋势的洞察始终深刻且具前瞻性。在近期 The Pragmatic Engineer 播客中，Fowler 深入剖析了 AI 对软件工程的重塑力量：这不仅是效率的提升，更是思维模式、工作流程与行业生态的全方位革新。以下为访谈核心观点的深度解读。
一、从确定性到非确定性：堪比高级语言的范式跃迁
当被问及 AI 对技术领域的影响量级时，Fowler 给出了极高评价：这是他职业生涯中见证的最大变革，足以媲美从汇编语言到 Fortran、Cobol 等高级语言的跨越。
这种跨越有着本质区别：高级语言的出现是抽象层级的提升 ，让开发者脱离寄存器、内存地址等底层细节；而 AI 带来的是从确定性到非确定性的思维转变。过去，开发者下达的指令会产生明确结果；如今，LLM 的输出基于概率模型，充满不确定性。Fowler 强调，这要求软件工程师像结构工程师考量 "容差" 一样，学会审视、应对 AI 输出的不确定性，而非盲目信任。
二、警惕 "氛围编程"：不可切断的学习反馈循环
"氛围编程（Vibe Coding）" 是近期流行的概念，开发者仅通过自然语言提示词让 AI 生成代码，不审查、不理解，只要能运行就满足。Fowler 认为这种方式仅适用于探索性工作或一次性脚本，对长期维护的软件极具风险。
核心问题在于学习反馈循环的断裂。"软件开发的本质是人与机器的反复互动，开发者通过这种互动建立对系统的理解。"Fowler 解释道。如果跳过代码审查环节，开发者就失去了学习机会：无法理解系统结构，更无法进行微调、演进或修复。他分享了一个真实案例：同事用 LLM 生成 SVG 图表，表面可用，但当他试图微调标签位置时，发现生成的代码混乱复杂，远超人工手写的十几行代码，最终导致维护困境。
三、技术雷达风向标：AI 破解遗留代码难题
Thoughtworks 每半年发布的 "技术雷达" 是行业技术趋势的重要参考，在最新版本中，AI 相关实践占据重要位置。其中，"利用生成式 AI 理解遗留代码" 已进入 "强烈推荐采用" 阶段。
大型企业普遍面临遗留系统困境：大量旧系统缺乏文档，原开发者多已离职，接手者难以理清逻辑。而 LLM 的语义分析能力，结合图数据库追踪数据流向，能极大降低理解门槛。Fowler 透露，这一实践已在 Thoughtworks 内部及客户项目中验证有效。不过，使用 AI 修改遗留代码仍处于探索阶段，因其风险较高，需谨慎推进。
四、AI 时代的重构：代码越多，整洁越重要
Fowler 的《重构》一书问世已 25 年，在 AI 快速生成代码的今天，重构是否已过时？答案恰恰相反，Fowler 认为重构变得比以往更重要。
AI 能快速生成大量代码，但质量往往参差不齐。如果只生成不优化，代码库会迅速 "腐烂"。重构的核心 "小步骤迭代"、"可组合性" 依然适用：尽管当前 AI 工具（例如：Cursor、GitHub Copilot）尚无法独立完成复杂架构级重构，但人类工程师结合 AI 辅助，能更高效地清理冗余、优化结构。新的工作流已然形成：LLM 生成初稿，人类审查重构，打磨出高质量软件。
五、敏捷与模式：在 AI 时代重寻平衡
关于设计模式，Fowler 坦言过去十年讨论热度下降，云服务和 SaaS 产品解决了数据库分片、消息队列等诸多底层架构问题。但他强调，建立描述系统的通用词汇库依然关键，尤其在分布式系统领域。
作为敏捷运动的核心推动者，Fowler 回顾了敏捷的初衷：让团队以小批量、高频率交付软件。在 AI 时代，代码生产速度大幅提升，但反馈循环仍是核心。如果 AI 仅让我们更快地制造 "大块代码"，只会重蹈覆辙。正确的做法是利用 AI 缩短 "想法到运行代码" 的周期，实现更快迭代。
六、给初级工程师的建议：找导师，存怀疑
对于 AI 时代入行的初级工程师，Fowler 给出了务实建议：
-
寻找人类导师：AI 助手无法替代经验丰富的导师，他们能传授判断力、行业直觉等隐性知识；
-
不轻信 AI 输出：LLM 容易产生 "幻觉"，即便简单的日期问题也可能出错，需保持批判态度；
-
多问 "为什么"：面对 AI 给出的解决方案，追问其逻辑和来源，利用 AI 辅助理解，而非单纯获取答案。
七、行业现状：泡沫与机遇并存
Fowler 对当前科技行业有着冷静观察：我们正处于矛盾时期，AI 领域的资本泡沫与行业整体的萧条并存。零利率时代结束导致企业投资缩减，大规模裁员频发；与此同时，大量资金涌入 AI 赛道，热度居高不下。
但他对软件开发的长期前景保持乐观：人类对软件解决复杂问题的需求远未饱和。AI 不会取代软件开发，而是彻底改变工作方式，开发者将从重复编码中解放，聚焦更核心的系统理解与架构设计。
八、结语
Fowler 的观点为我们敲响警钟：在 AI 浪潮中，切勿沉迷于 "代码生成" 的便捷，而忽视软件工程的核心：沟通协作、问题拆解与可维护系统的构建。AI 是强大的生产力引擎，但方向盘始终掌握在人类工程师手中。未来的优秀开发者，将是能驾驭 AI、深耕系统本质的 "架构思考者"。
访谈最后，Fowler 分享了三份推荐：书籍《思考，快与慢》（帮助理解概率与统计谬误）、《成为官僚》（罗伯特・摩西的权力传记，文笔精湛），以及策略桌游《Concordia》（上手简单且极具深度）。
参考资料：How AI will change software engineering -- with Martin Fowler（https://www.youtube.com/watch?v=CQmI4XKTa0U）
好了，这就是我今天想分享的内容。如果你对构建企业级 AI 原生应用新架构设计和落地实践感兴趣，别忘了点赞、关注噢~
PS：
▼ 《双12 AI 原生应用落地专场》直播
预约保你有收获
--- 1 ---
加我微信
扫码加我👇 有很多不方便公开发公众号的我会直接分享在 朋友圈 ， 欢迎你扫码加我个人微信来看 👇
加星标★ ，不错过每一次更新！
⬇戳"阅读原文"，立即预约！