摘要
1) 一句话总结
AI 尚未改变“需求 → 设计 → 开发 → 测试 → 部署”的软件工程底层范式，其目前的作用仅是加速迭代流程，真正的范式颠覆受限于需求无法标准化和自动化验证。
2) 核心要点
- 底层范式未变：软件工程的核心流程（需求、设计、开发、测试、部署）在瀑布模型、敏捷开发以及当前的 AI 时代均保持一致。
- 敏捷与 AI 的作用：敏捷开发通过缩小迭代范围和自动化测试缩短了周期；AI 编程则是进一步加速了原型、开发、测试和部署等各个环节。
- 设计环节的弱化：由于 AI 降低了代码生成的成本，开发过程可能会减少设计环节，倾向于“先跑起来再迭代”。
- AI 的优势领域：AI 在编程和数学等领域的飞跃，得益于这些领域的结果是可以被自动化验证的，从而能利用强化学习。
- 颠覆范式的前提：只有当 AI 能够将人类需求标准化，并据此自动完成编码和测试验收，脱离人类参与，才能真正颠覆现有范式。
- 标准化需求的悖论：自然语言无法作为标准化的需求描述，唯一能作为标准描述的只有代码本身，但这最终又会绕回现有的软件工程范式。
3) 风险与缺口（Gaps）
- 需求验证缺口：软件工程的需求本质上是开放式、非标准化且模糊的，当前无法实现自动化验证。
- 自动化闭环缺口：AI 目前仍需人类参与（Human in the loop），尚无法做到自动分析需求、自动实现并自动验证。
- 需求描述工具缺口：缺乏能够替代代码语言来精准描述标准化需求的自然语言或工具。
正文
软件工程的底层范式是不是会变化，不是取决于 AI 写代码，而是取决于需求是否能做到标准化。
软件工程底层的范式从来就没变过，一直就是：需求 → 设计 → 开发 → 测试 → 部署；瀑布模型是如此，敏捷开发也是如此。
不同的是敏捷开发通过缩小每次迭代的范围以及配合上自动化（CI/CD+自动化测试），加速了这个迭代的过程，将迭代周期从几个月甚至几年缩短到几周。
现在的 AI 编程依然没有改变这个范式，不同是把整个迭代进一步提速了，原型设计大幅提速、开发大幅提速、测试部署也能提速，设计么，也能提速，毕竟代码不值钱了，干脆不要设计或者少设计，能跑就行，不能跑再开发一版。
AI 在软件工程上要突破，还是要从根源上下功夫，软件工程的根源是需求，现在软件工程的范式无法突破是因为需求是开放式的，非标准化的，无法自动化验证的。
AI 真正强大的地方，在于所有能被自动化验证的领域，都能通过强化学习实现飞跃，比如现在 AI 编程领域、数学领域的进步，就是因为这些领域是可以自动验证的。
软件工程的需求是无法自动化验证。
老板说要做一个淘宝网站，这是个需求，但这个需求是模糊的、无法自动化验证的，所以要做需求分析，要去实现，最终要测试验收。
开发和验收的标准就是最初的需求，但这个标准是模糊的，因为没有人在一开始说得清楚需求，需求一直在变化，需要产品经理、程序员、测试、项目经理在里面各种拉扯。
敏捷开发只是通过缩短迭代周期，解决了筛选高优先级需求，以及让需求的变化可以快一点响应的。
AI 也只是加速了整个迭代，但还是要 human in loop（人参与其中），需要人去用 AI 分析需求、去设计、去用 AI 写代码，AI 还做不到自动分析需求自动实现自动验证。
真要颠覆现在的软件工程范式，只有说 AI 能把人的需求标准化，有了一个标准化的需求，然后 AI 就可以自己去自动化的编码和测试验收，那就不需要人参与其中了。
但是怎么样才能是一个标准化的需求呢？自然语言能描述吗？恐怕不行，真要出一个标准化需求的只能是代码语言，但是代码怎么产生的呢？
产生代码不还是得回到 需求 → 设计 → 开发 → 测试 → 部署 这个范式么？