软件工程 + AI 不是 “硬凑”，3 步走通落地关键环节
1、前情回顾
回顾一下前面的几篇文章。
-
《给【AI+软件工程】泼一瓢冷水》这篇文章论证了一个观点：任何可被称为工程类的复杂领域，让 AI 包揽所有工作，结果将是一场灾难。
-
《都说 AI 能给研发开外挂，可企业为啥总玩不转？答案来了！》这篇文章解释了，为什么 AI 赋能软件工程的远景是：一个统一的基础研发平台 + AI native 的多点 AI 能力。
通过以上两篇文章，我们已确定了“罗马”。接下来就是去罗马的道路走哪条。同样，对齐了 AI 赋能软件工程的目标与远景，接下来才是路径的问题。
2、软件工程 + AI 落地路径，怎么通向“罗马”？
简而言之，落地路径有两条：
-
农村包围城市。
-
城市带动农村。
这么说有些抽象，咱们拆开来看看。
咱们先明确最终要达到的目标：打造一个 “统一的基础研发平台”，再在这个平台上，分散嵌入多个 AI 能力（也就是 “AI native 多点 AI 能力”）。而刚才说的两条路，核心区别就一个 —— 到底是先搭好这个基础平台，还是先把 AI 能力建起来。
先看第一条路 “农村包围城市”：意思是先不着急建大平台，而是先针对性地做多个 AI 能力（比如 AI 辅助写代码、AI 自动化测试这些），等这些 AI 能力跑通了，再回头搭建基础研发平台，最后把已经落地的 AI 能力整合到平台里。
再看第二条路 “城市带动农村”：反过来，先把统一的基础研发平台搭好，把研发流程、数据这些基础打好，之后再在平台上一步步加 AI 能力，让 AI 和平台自然融合。
那该怎么选这两条路呢？得看三个关键因素：
-
公司里大家对 “AI 怎么帮软件工程提效” 的最终目标有没有共识？
-
公司对这件事的投入决心有多大？
-
还有更实际的 —— 公司现在已经有什么样的基础？
前两个因素（共识和决心），得在公司里开会讨论、汇报沟通，过程可能会比较久。相比之下，第三个因素 “现有建设情况” 最实在，就像经济学里说的 “资源禀赋决定发展模式”—— 条条大路通罗马，但有人天生就住在罗马。
比如，如果你们公司已经有一个不错的基础研发平台了，研发相关的数据（像代码库、测试报告、项目进度这些）也都打通了，那直接选 “城市带动农村”（先有平台再加 AI）就好。不过说实话，这种情况在企业里并不多。
更多企业是没现成的基础研发平台，或者现有的平台做得很零散、不好用，这种时候就建议走 “农村包围城市”（先做 AI 能力再搭平台）。这里也跟大家说句实在话：建 “基础研发平台” 这个 “罗马城”，尽量别自己从零开始搭 —— 要么直接买个现成的，要么找有经验的团队帮忙建。（当然这会是另外的故事，可以加我微信聊聊……）
3、路径 1 的分阶段建设规划
如果选择路径 1 农村包围城市的打法，整体规划如下，分 4 个阶段建设。
阶段一：建底座，试场景
智能体应用底座是业界智能化建设的共识，先建设图中的红色圈 2 和红色圈 3 部分。先从痛点场景入手，快速见到效果。
红色圈 2 是智能体应用平台，能够可视化快速搭建智能体应用，并且提供应用访问界面，目前市面上的产品比较多，但如果是业务场景，首选企业级智能体平台，比如 NebulaAI。
红色圈 3 是 MaaS 服务，统一模型服务，提供模型的一键部署和推理能力，供智能体应用平台进行 API 对接。
这个阶段这些 AI 场景的使用，直接基于智能体平台上进行实现。下图是我给一个客户梳理的一些场景，仅做参考。
阶段二：标准化、扩场景
软件工程是从“作坊”到“工厂”的纪律，而不是依赖于少数几个天才程序员。每个过程都标准化、规范化之后，再融合 AI 才能放大智能化的价值。
这个阶段基于智能体应用平台扩一些智能应用场景，进一步扩大 AI 技术的使用范围。
阶段三：平台化、融合 AI
把标准化的软件工程流程沉淀到统一的基础研发平台中，并且拉通整个软件工程全流程的数据，是软件工程智能化的终极实现。
这个阶段 AI 能力的使用，不再是在智能体应用平台使用聊天框的方式进行，而是在统一的基础研发平台中，点击相关的功能按钮进行使用。如下图，在应用运维界面，当服务异常时，点击“智能诊断”进行故障分析，AI 能准确给出故障定位。
【CloudOS产品演示图】 应用工厂故障诊断示例
4、结语
本文提出了 “农村包围城市” 式的 AI 赋能软件工程落地路径，目前更多是框架性的梳理，若要真正落地，仍需攻克大量细节难题。欢迎大家在评论区留言，一起探讨实践中的关键问题。
最后，也想和大家介绍一下，我们团队打造的 “罗马城”—— CloudOS，积累了从宏观规划、中观架构设计到微观功能打磨的全流程 “建城经验”。如果您想深入了解，欢迎留言一起交流。
感谢阅读，如果觉得不错就点个“赞“吧。
如果喜欢我的文字，请关注，一起交流吧。
