现代软件工程

内容 构建下一代软件组织 03 第一章 人工智能正在重塑软件工程规则 04 一个快速成熟的AI工具市场 05 AI代理正深刻影响软件生命周期 06 使用AI代理进行软件的新方式 08 第二章 10 解决新的劳动力方程式 10人性因素作为关键因素 1111 从执行到治理：人类角色与思维方式的演变编码者成为协作指挥家 12技能进阶与熟练度模型：从AI辅助到自主交付 13控制与验证：人机协作的基础 14 第三章 15 奠定成功基础 15 建设人、代理和自动化汇聚的平台 16 17 代理软件工程部署的骨干 17 协调软件工程平台 第四章 18 实现能动式软件工程 18 培养进化能力 19 加速转变的五项行动 19 埃森哲优势：将雄心化为行动 21 22 您在情境化、可扩展、自主化转型中的合作伙伴 23 让未来聚焦 构建下一代软件组织 软件工程学科正经历着基础性的变革，这得益于人工智能代理（AI agents）和平台工程（Platform Engineering）的共同兴起。现代软件工程重新定义了软件的构建方式，帮助软件团队在不牺牲质量、安全或合规性的前提下，更快地实现商业价值。 更侧重于传递商业价值、解决实际问题，同时提升合规性、质量与安全性，并积极管理技术债务。 因此，劳动力正迅速演变，涌现出新的技能、角色、团队结构和协作模式。现代软件工程应用于多个领域。它包括为新的应用程序和企业代理构建定制软件，配置和定制打包解决方案，降低风险并加速遗留软件现代化，以及保障并控制新/已现代化应用程序与企业业务流程中的核心系统、数据平台和企业代理的集成。 这不仅仅是一个关于工具或流程的故事。它和关于技术一样，也是关于人与团队——需要新的角色、技能和协作方式。 软件团队正越来越多地将任务委托给具有自主性的软件工程平台，通过规划、指导和控制协调人工智能代理和自动化服务的业务流程来实现。这使团队能够 目前，许多组织不仅询问目标模型看起来是什么样子，还询问如何带领其人员参与其中进行操作。本文探讨了人工智能、软件工程平台及相关劳动力转型如何重塑了组织所能实现的可能性。为了更快、更智能、更具影响力地前进，组织必须立即拥抱这些变革。 第一章 人工智能正在重塑软件工程规则。 软件工程已经发展了数十年。组织已经采纳并实施了多个阶段的软件开发方式，从敏捷、DevOps和以产品为中心的方法，到软件生命周期自动化，再到最近的开发者平台/平台工程的兴起。而现在，正朝着云原生和可组合软件的方向发展。 自2023年以来，人工智能正在重写软件工程规则，并重新定义软件本身。这已不再仅仅是关于自动化任务。它关乎在人类与人工智能之间建立真正的伙伴关系。人工智能不仅改变着软件的构建、交付和运营方式，更在重塑软件本身。 传统软件工程方法与能动软件工程方法将共存，但向能动软件工程的转型正在加速。 人工智能不再是未来，它是现在。 根据2025年DORA报告，目前90%的技术专业人士在日常工作中使用AI，超过80%的人报告生产力有所提高。这凸显了组织现代化其软件工程实践的紧迫性。 然而，并非所有研究都报告了如此高的采用率或影响力。例如，2025年Stack Overflow开发者调查发现，虽然84%的开发者正在使用或计划使用AI工具，但只有大约一半的人每天使用它们，而且近一半的受访者并不完全信任AI的输出2。同时，控制性研究表明，由于需要额外的审查和调试，经验丰富的开发者有时在使用AI时会更慢3。 毕马威研究所在此强化了整体趋势，估计到2026年，超过五分之四的软件专业人士将利用生成式人工智能。 一个快速成熟的AI工具市场 过去两年间，AI驱动的工具市场以前所未有的速度成熟。它已从特定的基于生成式AI的助手（例如代码自动补全或提示用户体验）演变为支持企业级上下文工程、人机协同以及工具集成功能，面向软件生命周期中所有角色的AI代理编排引擎。 技能、声明式上下文工程的方法、对话式人工闭环，以及通过模型上下文协议进行动态工具/应用程序集成。 尽管如此，根据德勤研究院5的数据，只有27%的企业拥有所需的平台和工具，以充分利用生成式人工智能。这一差距带来了显著风险，包括影子IT和安全漏洞，并凸显了强大现代软件工程平台和治理的重要性。 如今，具备自主能力的AI工具已达到传统及自主软件工程环境下规模化使用和采纳所需的成熟度。它们正朝着标准化方向发展，这得益于多智能体编排领域市场标准的兴起和快速采纳。这些标准包括智能体 这种准备不足的差距不仅仅是技术层面上的——它也是组织层面和人员层面的。它反映了技能缺失、职责不清以及运作模式不明确，即使存在相关工具，这种情况也会减缓（技术的）采用进程。 人工智能代理正深刻影响着软件生命周期。 生成式人工智能已在软件工程领域站稳脚跟，其最常见的应用是代码生成。71%的开发者表示他们使用AI工具进行此目的[6]。这些工具取得了切实的成果，这得益于市场采用和实验的强大压力。 转型、DevOps自动化、质量工程与测试、应用维护以及敏捷团队 代理式软件工程的有效性和影响始终受到软件组织环境的影响。文档和领域知识质量、代码库复杂性和质量等因素起着至关重要的作用。没有万能药。 代理式软件工程代表着下一次演进——通过人工智能代理与软件团队角色（从业务分析师到测试人员）之间协调协作来重塑软件生命周期。 挑战已不再是孤立的效率提升，而是重新设计团队——明确哪些工作由人类主导，哪些工作委托给代理，以及责任归属和验证环节应置于何处。 在 Capgemini，我们已确定了九个代理软件工程的核心应用领域：知识与研究、文档、编码、逆向工程、代码 采用模式因公司规模、行业和地区而差异巨大。 大型企业引领采用趋势，41.2%的欧盟大型企业使用人工智能，而只有11.2%的小型企业使用。在财富100强公司中，90%已采用GitHub Copilot。雅虎财经第二人才然而，中小企业正在迅速缩小差距——美国小型企业的人工智能使用率从2024年的39%增长到2025年的55%，而员工人数在10-100人之间的公司，其采用率在一年内从47%跃升至68%。 按行业： 科技公司引领，AI采用率达85%，对AI代码建议的接受程度最高（35%）。银行和金融服务紧随其后，占AI代码工具市场的22%，其中80%的企业部署了Copilot。第二人才医疗是增长最快的细分市场（复合年均增长率24.94%），主要受监管文件和语音记录用例的推动。根据麦肯锡的数据，Grand View Research专业服务 saw the biggest year-over-year adoption increase。 按地理划分： 北美地区占据36-39%的市场份额，Market.us以109.1亿美元的私营AI投资为基准，在美国市场占据主导地位。亚太地区是增长最快的区域，Grand View Research报告其复合年增长率为19.8%，亚太地区78%的受访者每周使用AI，而全球这一比例为72%。印度在采用率上领先，根据不同调查，采用率在57-92%之间，其次是中国的57-58%，尤其是在制造业方面表现强劲。欧洲的采用则更为谨慎，Grand View Research显示整体采用率为13.5%，尽管目前41%的欧盟大型企业已使用AI——这一差距归因于GDPR合规要求。 一种关于生产力提升的不同观点 尽管许多报告都宣称人工智能能大幅提升生产力，但一些分析师警告说，采用指标可能具有误导性。调查通常将任何与人工智能工具的互动都计为“采用”，即使使用是表面的，例如初级开发人员依赖代码助手以快速获得成果。这种动态会虚增估计，因为初级人员往往报告更高的参与度，而未必能提高长期的维护性或架构质量。 事实上，研究7表明，在经验丰富的开发者中，对人工智能输出的信任度仍然较低，尽管数据乐观，但许多组织仍处于早期成熟阶段。关键在于？生产力方面的主张应透过批判性视角来审视，需考虑技能水平偏差以及实验与真正整合之间的差距。 软件工程的变化并非逐渐发生，而是断续爆发式出现。这就是均衡理论在起作用。该理论认为，当促成条件成熟时，能动型软件工程能力便会飞跃式提升，从而更好地组织知识、更清晰地界定背景并改进工具。 从软件数据工程到软件产品工程。尽管其在传统生命周期中的影响力毋庸置疑，但这才刚刚开始。真正的变革将在人与AI代理的工作方式成熟时显现。如今，我们已可以安全地说，代理式软件工程正在影响软件团队中所有角色的整个软件生命周期。 代理式软件工程涵盖定制软件领域，从定制应用程序、软件包定制， 使用人工智能代理进行软件开发的新方法 新的实践和技术，例如提示工程、上下文工程和代理软件工程，正在从根本上改变团队与AI代理协作以构建和交付软件的方式。这些方法使软件团队能够利用AI，不仅仅是作为一个工具，而是作为开发工作流程中的积极参与者。其结果是，构建软件的方式更加动态、富有创造性和高效，其中人类专业知识和AI能力得到了无缝集成。 开发者现在报告称，他们使用人工智能工具和方法的中位经验时间为16个月，并将大约四分之一的工作时间用于与人工智能互动。思爱普（Capgemini）也正在将其自身的工作方式与人工智能相结合。我们的框架旨在将人工智能嵌入整个软件工程生命周期，从构思到部署。这种转型需要演变文化和流程——而不仅仅是采用新工具。 这场变革的前沿，是一个在2025年初开始病毒式传播的概念。当时，安德烈·卡帕西（Andrej Karpathy）在一篇社交媒体帖子中描述了他使用AI开发软件方式的转变。他解释说，他越来越倾向于接受AI生成的代码提案，而无需进行完整审查，并将这种做法称为“氛围编码”（vibe coding）。自那以后，该术语被广泛——有时甚至错误地——用于描述所有形式的AI增强型软件开发。实际上，这涵盖了广泛的范围：从实验性、对话式的协作方法，其中人类与智能体通过直觉和即兴发挥共同创造，到涉及正式设计、规划和规范等更结构化的工作流程，AI系统利用这些规范来生成代码。如今，软件工程中新兴的工作方式不仅更加依赖现有的最佳实践，还包括： • 氛围编码：主要用于表达性原型设计，人类与智能体通过直觉、即兴发挥和共享的韵律进行流畅的共同创造。 驱动规范的设计与开发：• 可通过多种市场框架和套件获取。 在这个领域，由于人工智能模型和产品开发者在开发新版本和全新技术时重复使用自身技术，创新的步伐正在加速。 我们开始看到能够在普通开发者笔记本电脑上本地运行的AI模型的出现。这些模型的能力和性能与几年前所需的、当时需要最强大的服务器级GPU的模型相当。在单个硬件折旧周期内（2026-2028年），我们可能会看到开源AI模型的发布，为开发者提供设备本地AI，性能相当于2025年顶尖的AI即服务。 提示工程：通过构建有意向的输入来引导代理的行为，并设定任务的方向，从而启动该过程。 • 上下文工程：提供必要的框架，通过在提示语周围添加相关信息来确保连贯性、精确性和更深入的理解。 其他地方，主流AI供应商将继续开发推动硬件极限的超大型模型。这些模型将通过半自主和全自主多智能体系统（或集群）的产品化来驱动AI算力消耗。 • 代理式软件工程：提供运行自主性，使AI代理能够独立执行任务、理解目标，并与人干预最少的情况下进行迭代。 把握这些关键的学习成果，现在就行动。 现代软件工程要求在整个生命周期中实现全面的转变——这一点在下面的图表中得到了清晰的体现——从规划到维护，由人工智能集成和自动化驱动。明确的目标、定义良好的用例以及可访问的要求现在至关重要。这不仅对人类团队，而且对在其内部工作的AI代理都至关重要。 详细架构和领域驱动设计已成为确保人工智能赋能环境中适应性和精确性的关键要素。敏捷实践随着团队加速使用人工智能工具而不断发展。这需要超越传统用户故事的新抽象，为自主代理提供充足的上下文。开发工作流必须拥抱全面的构建和测试自动化，因为人工介入的审查正日益成为瓶颈。最