上个月，我们团队用 Claude Code 重写了一个存量服务。三个工程师，四天时间，做完了原本排期三周的活。测试覆盖率从 63% 拉到 79%，接口联调也比预期顺。
我本来以为，AI 编程真正开始兑现了。
真正让我坐直的，是上线后的第二周。
不是出了低级 bug，而是系统开始变得很拧巴。服务边界划得不清，数据模型跟上下游对不齐，两个模块重复负责同一段逻辑，改一个接口要连带动三处。AI 写出来的每一行看着都没问题，但拼在一起的系统不对。
那一刻我意识到：代码问题变少了，工程问题反而变多了。
很多人把 AI 编程理解成"自动写代码"。Cursor 补一个函数，Claude 生成一组 API，Copilot 把测试也一起补上。这些都是真的，而且越来越快。
但如果你真的让 AI 参与交付过一个完整系统，你会很快发现一件事。
AI 解决的是实现问题，暴露的是设计问题。
过去很多设计问题，为什么还能被团队拖着往后放？不是因为大家更自律，而是因为写代码慢、调试痛、重构贵。实现复杂度本身就是减速带。它逼着你在动手前多想一轮，在评审时多争几句，在上线前多查一层。
AI 把这道减速带拆了。
于是那些原本被实现难度掩盖的问题，开始提前爆出来。模块怎么拆，边界怎么画，数据契约怎么定，未来半年怎么演进，异常路径谁来兜底。AI 可以在 30 秒里生成一个模块，但它不会替你对系统的长期演进负责。
你可能会说，架构设计本来就重要，这不算什么新鲜事。
问题不在"重不重要"，问题在"权重变了"。
过去的软件工程，更像 Human → Code → System。人写代码，代码构成系统。大多数工程师的大部分时间，都花在实现、修补、兼容和交付上。设计当然重要，但在很多团队里，它经常排在"先把功能做出来"后面。
AI 时代，这个结构开始变成 Human → Intent（意图） → AI → System。
代码正在从"核心产物"变成"中间产物"。真正稀缺的，不再是把一个函数写出来，而是把系统意图说清楚，把边界和约束定清楚，把执行链路组织清楚。
这不是一个渐进变化。
这是一次软件工程重心的迁移。
这也是为什么，我越来越不认同一个流行说法：AI Coding 就是 AI Software Engineering。
不是。
AI Coding 解决的是"怎么更快地产生代码"。AI Software Engineering 处理的，是"当 AI 成为主要执行者之后，工程体系应该怎么组织"。
这两件事，看起来只差几个单词，难度却不是一个量级。AI 生成的代码怎么验证？多个 Agent 或多个模型之间怎么分工？失败后的回滚和审计放在哪里？人的 review 到底 review 什么？这些问题，已经不是工具问题，而是工程结构问题。
Prompt 再漂亮，没有状态管理就是一次性对话；Agent 再热闹，没有责任边界就是动物园；代码再快，没有系统设计就是高速造债。
举个具体场景。
我看到过两种完全不同的用法。一个工程师一天让 AI 生成了 2400 行代码，第二天却在理依赖、拆循环引用、补漏掉的数据契约。另一个工程师先花两个小时画清楚领域边界、数据流向和异常路径，再让 AI 按模块逐段实现，半天就交付了一个干净系统。
差距不在谁更会写 Prompt。
差距在于，谁先把系统想明白了。
当 AI 的实现速度接近"即时"，错误决策的放大速度也会接近"即时"。以前架构做错，代价可能在三周后才爆出来；现在也许三天就能铺满整个仓库。AI 不是把复杂度消灭了，它只是把复杂度从编码阶段前移到了设计阶段。
所以我最近一直在想，真正的 AI-Native Software Engineering，到底应该长什么样。
在我现在的理解里，它肯定不是"给工程师多配一个聊天窗口"这么简单。它更像是一套新的工程结构：Intent 如何表达，计划如何拆解，Skill 如何复用，执行如何留痕，验证如何闭环，状态如何更新。
也就是说，系统不只是被"写出来"，而是被"编排出来"。
工程师的角色也跟着变了。你不再只是代码生产者，更像系统定义者、AI 调度者、复杂度控制者。你要决定什么交给 AI，什么必须由人拍板，什么要先设计再生成，什么要先验证再落地。
这不是职位包装。
这是分工结构真的变了。
当然，这件事不是只值得担心。
从正面看，AI 的确拿走了很多低杠杆的实现劳动。重复性的 CRUD、样板代码、基础测试、接口脚手架，这些东西都可以更快完成。只要结构是清楚的，AI 确实能把团队的交付速度往前推一大截。
但速度从来不是免费的。
设计越含糊，AI 放大的噪音就越大；边界越模糊，后期返工就越贵；责任越不清晰，系统就越像"能跑，但没人敢改"。
所以我越来越觉得，AI 并没有消灭软件工程。
它只是把软件工程提升到了一个新的层级。
写到这里，这段时间的实践让我认清了三件事。
第一，AI 不是在替代工程师，它在重新给工程能力排序。只会实现的人会越来越被动，能做系统设计的人会越来越值钱。
第二，代码生成越快，前置设计越重要。以前你可以边写边想，现在很多时候必须先想清楚，再让 AI 动手。
第三，软件工程的中心正在从 Code Engineering 走向 Intent Engineering。代码还是重要，但它不再是唯一的组织中心。
接下来我会继续写这个系列。我想把几个更具体的问题拆开讲：为什么 Agent 很容易变成"动物园"，为什么 Prompt 不是稳定的工程单元，为什么 Skill 也许会成为 AI 软件工程里更靠谱的基本模块。
下篇我会先写 Agent 为什么很容易变成"动物园"。
如果软件工程真的进入了 AI-Native 时代，那么我们迟早都要回答同一个问题：当实现不再稀缺，什么才是新的工程基本盘？
这才是 AI 时代最值得认真讨论的软件工程问题。