生成式软件工程第一课:古法编程已死,然后呢
南京大学《生成式软件工程》第一讲的整理稿:从四次把昂贵能力变成日用品的变革讲起,经过两份焦虑和一份零分简历,到五个普通人用 agent 的现场案例,再到一次真实失败——同一个二维码需求,AI 直接做写出的代码不可维护,先造一层中间语言则第一次就正确。全文落在 intention、specification、implementation 三个空间之间的三道缝上,并解释为什么给已经失败的项目加人、加 token 都只会让它更失败。
本文整理自 B 站《欢迎来到未来|01-Raw 26 生成式软件工程 NJU》,南京大学《生成式软件工程》第一讲,片长约 99 分钟。原片是一堂带大量现场演示的课,不是工具教程,也不按知识点编号推进。
字幕是语音转写,模型名与产品名错听严重。本文按上下文订正;确实无法还原的,只描述它做了什么,不猜英文名。
一个计算机老师站在讲台上,先花了十分钟讲自己怎么焦虑,然后才讲技术。这个顺序不是意外。
这一讲真正想回答的问题只有一个:**当写代码这件事被 AI 接管之后,软件工程还剩什么。**剩下的部分,恰好是最难被接管的那部分。
四次变革,一条主线
计算机史上经历过几次结构相同的变革。它们的共同点不是算力变强,而是把昂贵的能力变成了日用品。
| 时间 | 变革 | 被变成日用品的能力 |
|---|---|---|
| 1975 | 第一台个人计算机 | 计算 |
| 1990 年代 | 互联网 | 连接 |
| 2010 年代 | 移动互联网 | 交易 |
| 2022 | ChatGPT | 生成 |
讲者用三段私人记忆把这条线串起来。小学快毕业时他装了 ICQ,随机加一个地球另一端的人,对方母语英语,打得飞快,他只会 hello。腾讯的仿制品叫 OICQ,后来改名 QQ。然后是移动互联网:一夜之间,所有菜市场卖菜的人摊前都摆上了支付宝和微信两个二维码。再到 2022 年,ChatGPT 成了人类历史上增长最快的产品。
这条线上每一格都没有让专业人士失业,但每一格都让原本只有专业人士才能做的事,变成了谁都能做。
为什么开这门课:两份焦虑和一份零分简历
学生有两种焦虑,讲者把它们分开说。
**第一种是「AI 替我上大学」。**老师用豆包出题,学生用豆包答题,整个闭环里只有学生本人没有受到训练。作业链接丢进 codex,连复制粘贴都省了。
**第二种是听话的学生发现自己被骗了。**每堂课认真听,每次作业认真做,四年毕业时确实学会了点什么,而学会的东西 AI 都会做。
比这两种焦虑更具体的,是保研。讲者说自己也收到过很多简历,然后放了一份在课上。那份简历全是 AI 做的,个人信息用 Unicode 方块字符盖住,有 CCF 期刊列表上的 accepted 论文。
他给这份简历的评分是零分。理由不是造假,而是没有额外信息:没有 GitHub 链接,没有个人主页,没有一篇 preprint。「你和你的竞争者已经无法区分了。」他收到过无数份长这样的简历。
那么大学还能给什么。他列了两样。
**一是信息差。**你有别人不知道的信息,才能做别人做不到的事。这不算可悲,社会要进步必须有它。
**二是成为一个更好的人。**具体一点说,是拥有驾驭别人驾驭不了的东西的能力。这门课想教的正是第二种:驾驭人工智能的能力。
这门课的三条 policy
三条 policy 都带着挑衅的意味,但每一条背后都有具体判断。
**第一条:禁止古法编程。**他承认在座的人都是古法编程的好手,因为马上要保研机试。但他想撕开一个小口子。
第二条:token 自费。理由很直接——他本来想拉赞助,看到选课人数就算了。他的观点是:手上没有付费 token 的人,先别谈学 AI。课上所有演示,除了生成 slides 用了更聪明的模型,其余全部跑在 DeepSeek V4 Flash 上。也就是用一个足够便宜、但智能有一些的模型带完整套流程。他还顺带调侃了时段差价:白天贵,晚上便宜,而计算机学生本来就夜里干活。
**第三条:通过或不通过。**他申请的就是这个考核方式。教务的反馈是专业选修课一般不这么做,但他说分数在这个时代已经不那么重要了。
真正重要的是简历上写什么。他给的项目建议很具体:做一个自己的邮件管理系统,能回他的邮件,用指定邮箱通信,跑在宿舍一台常开的小电脑上。
顺便说一句他自己都承认的矛盾:想走到投简历那一步,你还是得有 GPA,还是得 reward hacking、overfit 考题。他只是希望最终检验你的,是那份交出去的简历。
这门课怎么上:讲义是源码,幻灯片是编译产物
在进入技术内容前,讲者先展示了自己的上课系统。这一段是整堂课最好的自我示范。
桌面上是一份 Markdown 讲义,那是 source of truth。按 F5,它变成幻灯片,其中紫色的部分是模型添油加醋写上去的。所有图片都是生成的,包括那张 1975 年个人计算机的配图——他还会顺口点评:一眼看得出 AI 味,而且用的不是强模型。
生成流程是三层结构。一个改写讲稿的 skill 负责扩写;三个子 agent 各带不同 personality,在隔离的上下文里各写一版;主 agent 汇总收敛。他的说法是用算力换智力:付出更多算力,就有更多智力。最后他换过几版提示词,每版都重新生成一次,再让另一个模型盲评哪一版质量最高。
他还给了两个更远的设想。一是把上课当表演:课前写好剧本,课上即兴,课后回看录像复盘,把不完美的即兴部分切回源码里重新整理,实现课程的「数字化永生」。二是把这套切片流程用到操作系统课上——B 站有一整套录像,整理成切片后,理论上可以由全世界的人维护和定制。
他的原话是想探索一条「真正杀死大学」的路径。这句话是修辞,不是计划书。
先看清工具:从概率分布到 agent
他在讲大模型时,刻意不讲原理。「大模型就是一个概率分布」,和概率课上的抛硬币没有区别:给一段文本,预测下一个 token 的概率,一次次输出。
他也不要求学生懂原理。打开网页版 API,你此刻就在体验大模型。
真正让人震动的是两个具体时刻。
**第一个是 2023 年,GPT-4 给他五岁的孩子解释扫描电子显微镜。**他讲不下去,模型给了一个比喻:你闭着眼睛看不见山的形状,那就朝山扔石头,有的方向穿过去了,有的方向弹回来还带着声音,靠这些差别就能推测出山的形状。他后来专门查了资料,这个比喻是对的。到了有 reasoning 的模型,同一个问题给的是更严谨的版本。
**第二个是 agent 的出现。**语言模型输出一个特殊 token,意思是「调用这个程序」;程序跑完,结果重新送回模型,在循环里继续。这就是 ReAct 式 agent 的骨架。他补了一句:去年上操作系统课时 agent 还各种出错、任务做不完就停下;今年同一批任务已经非常能用。
至于更远的路,他提了两个方向:扩散式语言模型(从随机噪声一点点清晰起来,他说像做梦),以及把上下文随时裁短的预测方式。他不预测哪条路线胜出,只预测一件事——模型只会更强,不会更弱。
普通人怎么用:两个原则,五个现场
这一段是整堂课最可复制的部分。两个原则先立住。
**原则一:现在就开始用。**不要等到准备好。
**原则二:随时问它。**他现场演示:问它「你是谁」,它答「生成式软件工程的教学辅助助手」;再问「你不就是个模型吗,怎么知道这门课」,它答因为仓库里有配置文件。这条演示的意思是——它的知识边界由你给的环境决定。
然后是五个现场案例。
一句话装一台电脑
他上课带一个 U 盘,里面装着一套 Linux,插到教室电脑上直接启动。这是操作系统课的传统,其中最惊险的一次是把这个硬盘抹掉了。
过去装机很痛苦,他自己是「装机仙人」,各种定制都手动做。现在是一句话:去镜像站找一个 Debian 13 镜像,装到 U 盘上,确保可以启动,然后用模拟器验证。点睛之笔是最后那句验证——装完之后,它真的在 QEMU 里启动,看到登录界面,创建用户,设好密码,再回来报告完成。
接着换成平铺式窗口管理器,依然是一句话。他当场按快捷键演示,窗口从右边长出来。至于怎么用,他让模型看一遍系统设置,生成一份操作文档:哪个组合键开终端,哪个组合键开启动器。
他说自己没看过任何一眼配置文件。他只要交付,剩下的由 agent 负责。
让 AI 管住邮箱和打印机
他自己的邮箱有一套 skill。数据库里有历史上回过的所有邮件,所以收到新邮件时,它会自动标记已读,按他的口吻写好回复草稿。他诚实地说:目前还做得不够好,简单的例行回复能直接用,大部分还得自己改。
更有意思的是后半段。收到发票,附件自动归到指定位置。然后他在手机上往提醒事项里加一条「把今天那张发票打印出来」,点勾提交,后台就开始处理。打完,一条通知推到手表上,他去打印机取。
**这是一个完整闭环:手机下指令,家里的机器执行,结果回到手腕。**他说这比在聊天框里跟 bot 说话好用。
把一篇论文剥到只剩新的部分
他读论文的方式变了一个方向:先假设人类已有的知识全都是已知的、固定的、trivial 的,然后只把这篇论文里真正新的那一点剥出来。
一篇 12 页的论文,剥完剩下没多少。他还会拿着原文、摘要、深层摘要跟模型对谈。用他的话说,现在读一篇论文的效率比以前高得多,但他仍然在读论文。
读一个两小时的视频
给一个 BVID,先让模型把内容整理成带图的时间轴。他特别提了一点:整理后的文本质量比原始字幕高,但图片密度还不够,所以他自己补了一道工序——两帧之间间隔大到一定程度就截图,这才拿到视频的 ground truth。
有了图文素材,再让模型按他的记忆过滤:哪些是他已经非常清楚的、可以跳过的,剩下哪些是真正新的。结果是一个两小时的视频,几分钟看完。
原片在这里下了一个判断:会用 agent 学习和不会用的人,效率差距是数量级的。他没有给出数据,这句当修辞听;但从上面那套工序看,差距的方向是真的。
浏览器是新的手
他先夸了一句浏览器:人类软件工程史上的奇迹之一,代码量甚至超过操作系统内核,因为它要和用户打交道、做图形、做性能优化。而它给开发者留了一个接口,叫 Chrome DevTools。
**第一个现场故障。**直播时 USB 采集卡断了,画面卡住。他在讲台上够不到机器后面那个接口,于是给 agent 一个 prompt:看系统里的 USB 设备,找出问题,重连。agent 用了一串他见过概念但说不清细节的 Linux 命令,在软件层面把那个采集卡拔了又插,画面回来了。
**第二个现场翻车。**教务系统的教学周历是空的,他让 agent 随便填点什么,并且明确要求「不要看任何东西」。结果它先去读了讲义目录。他当场吐槽这是便宜模型的毛病:不听指令。换成更贵的模型会守规矩,但他选便宜的是因为课上要快。
真正有价值的是后半段。它先试了直接注入事件,不行;再试点鼠标,成了。然后他补了一句判断:**当它走通一次,这次 session 里留下的东西可以沉淀成确定性的脚本、记忆,或者把走过的网页变成脚本。**那就得到了一个自动抢课的系统。
会组合,才会放大
单个案例都只是「厉害」。让它们变成生态的,是一条老规则。
Unix 的哲学能成立,靠的是管道:程序之间自由组合、无限复用,一加一可以大于二。今天这条规则搬到了 agent 上——从一个上下文里提取记忆和脚本的能力,和操作浏览器的能力,可以叠在一起互相调用。
于是个人的信息流可以这样搭:早报、B 站推送、archive、Hacker News,每一条都沉淀成 skill 或脚本,全部进入一个处理系统,最后产出对自己有用的知识。他管这叫飞轮。整个系统由自然语言构成,一行代码不用写,但会被不断调整。
**一个人有飞轮,一个人没有,这是两种生物。**这也解释了他为什么认为个人 agent 产品是现象级的。
他也顺手泼了冷水。他说自己不太喜欢让 agent 自动总结 memory:提示词决定了它会记住不想记的、忘掉想记的。他的做法是自己写流程,把要留的东西写进数据库,让 AI 只负责执行。
换到计算机科学的视角
普通人用 agent,做到上面那些就够了。但计算机专业的人如果只用 agent 写作业,是低估了它。
差别在一个能力上:**知道边界在哪里,以及知道什么该以代码复用、什么该以 skill 复用。**普通人能提需求,但需求超出能力边界时,他不知道该怎么把它拆成 agent 能确定完成的形状。专业的人知道。
他给的例子是改卷统分——一件本来要交给助教、配一个计算器、再核对一遍的活。
他的流水线是这样的:
| 阶段 | 做法 | 为什么这样设计 |
|---|---|---|
| 采集 | 桌上装一个顶向下摄像头,对准固定位置,按回车拍一张 | 双手都空出来,摆歪了可以立刻重拍 |
| 识别 | 离线用千问识别姓名、学号、每道小题分数,写进文本文件 | 识别和统分拆开,出错可单独重跑 |
| 核对 | 倒序再过一遍,语音播报每一小题分数,他逐项听 | 不信任 OCR,要对每个学生负责 |
| 计分 | 脚本算总分,抄写到卷面 | 不让大模型做加法,避免幻觉算错 |
| 汇总 | 自动填进教务处的 Excel 模板,抽样检查后提交 | 最后一道人工闸门 |
这套流程里没有一句「让 AI 帮我统分」。有的是:本地跑一个 27B 模型,知道它的能力边界,再设计一条同步代价最低的人机分工。
他的判断是:现在还需要人和 AI 共建,但边界正在移动。
一个真实的软件工程任务:用 Excel 把数据偷出去
讲到这里,他换了个题目:我们来做一个小软件。
场景是假设的,但很具体。你在一家金融公司,机器被管控:数据可以带进去,带不出来;不能执行不信任的程序;不能显示不信任的网页。唯一的出口是——远处有人能悄悄射频。
怎么把一个很大的文件送出去。
他做的程序是这样的:把任意文件内容编码成一串字节,再用 Excel 2019 兼容的公式把它画成二维码;内容变,二维码就变;内容很长,就变成一段二维码动画,按 F9 循环刷新。外面的人拍下每一帧,数据就出去了。
全部用合法公式实现,没有宏,没有外部程序。他甚至演示了把 hello world 换成长文本,二维码跟着变。
反方向也可以。如果能在机器里装程序,就抖鼠标:上下是 0,左右是 1。或者用远程桌面连进去,把远程桌面当虚拟网卡。他说这些组件一个计算机专业的人都学过——操作系统、计算机网络——知道有哪些零件,就能把它 web coding 出来。
这个例子放在软件工程段落之前,是有意的。它说明 spec 可以一句话说完,而实现的选择空间巨大。
三次暴毙:AI 为什么写出不可维护的代码
同一个二维码需求,他做了受控实验:把 spec 原样交给 AI,不插手。
| 尝试 | 发生了什么 | 结果 |
|---|---|---|
| 直接做(第一版) | 第一秒就被带歪,去做「对任意输入都正确」的通用版本 | 理解错了重点:软件工程第一步是别扩大范围 |
| 直接做(更强模型) | 思考 25 分钟,写出 32K 以上 token,撞到输出上限被截断;无人监管跑了六小时才完成 | 完成了,但产物不可维护 |
| 直接做(另一家模型) | 用 Python 先算 base64 贴进公式框;输入改了结果不会变 | 完成了,但违反了需求 |
| 换一个位置 | 两份产物只是把工作区挪个地方,都要修两小时 | 满篇硬编码,改一点就崩 |
最后一行是判据。**能跑不等于能用。**他把这种代码的死法,和教务系统归为同一类:需求来了就实现,实现完就进维护泥潭,每加一个功能都要付巨额代价。
那门课上的一个细节被他拿来当证据:系统里原本没有「校区」这个字段,苏州校区建成后要加,数据库里没有,只能硬塞。写过软件的人都知道接下来会发生什么。
这里他引了《人月神话》的焦油坑:大型动物陷进去就出不来,濒死的动物还会引来掠食者,掠食者也陷进去。书里那个经典论断是——一个已经开始失败的团队,加人只会让它更失败。
换成 AI 时代的版本:
图表加载后显示;未启用 JavaScript 时可阅读下方流程源码。
flowchart LR
A["产品已经开始失败"] --> B["投入更多 token"]
B --> C["局部浮起来一点"]
C --> D["整体更复杂更难改"]
D --> A上图是他描述的循环:每次加码都能让失败的东西往前浮一点,直到你再也付不起那个 token。这个循环的出口不在模型侧,在架构侧。
正解是先造一座桥
那么正确做法是什么。他用一个 quiz 抛出来:如果让你来实现这个二维码程序,你会怎么 prompt。
答案是:先设计一层中间语言。
他让模型设计一组 Python 类,构成一个符号系统,处理位运算等底层操作。这个中间语言有两个后端:一边能翻译成 Python 直接执行,一边能翻译成 Excel 公式。于是他只需要分别验证两件事——每个翻译到 Python 的结果对不对,每个翻译到 Excel 的公式对不对。
分开验证,然后一把生成,第一次就正确。代码干净,不算短,但可维护性远高于前面那两份。
这就是编译器式的思路:与其让模型一次猜对终点,不如先给它一座桥,让每一段都能单独验证。
图表加载后显示;未启用 JavaScript 时可阅读下方流程源码。
flowchart LR
I["意图空间<br/>做出能偷数据的表格"] --> G1{{"gap 一<br/>到底要什么"}}
G1 --> S["规格空间<br/>功能 · 架构 · 界面 · 数据库 Schema"]
S --> G2{{"gap 二<br/>怎么实现"}}
G2 --> M["实现空间<br/>代码 · 数据 · 部署"]
M --> G3{{"gap 三<br/>能不能活下去"}}
G3 --> L["长期演化<br/>三年后还能加功能吗"]上图是整堂课的理论骨架:软件工程真正要处理的不是某个空间内部的事,而是三个空间之间的三道缝。
三种做法,各自付什么代价
同一个二维码需求,原片实际上演示了三条路线。它们的差别不在模型强弱,在把成本放在哪一段。
| 做法 | 前期投入 | 后期代价 | 适合什么 |
|---|---|---|---|
| 直接 prompt 到底 | 几乎为零 | 满篇硬编码,挪个位置要修两小时 | 一次性脚本、用完即弃 |
| 先设计中间语言 | 要先想清楚有哪几个后端 | 每个翻译单元可单独验证,改动影响可控 | 需求明确、要长期维护的小工具 |
| 人机共建流水线 | 要自己设计分工与闸门 | 每步都有人工确认,速度受限于人 | 出错代价高、结果要对人负责 |
三者的取舍很清楚:**越往后,前期越慢,后期越省。**原片里改卷那条流水线属于第三种,二维码最终版属于第二种,而三次暴毙全部属于第一种。
选哪条不看技术含量,看这个程序要活多久。用完就扔的脚本,硬编码是理性选择;要活三年的东西,先搭结构才是省钱的。原片最狠的一句判断正好落在这里:当一个已经开始失败的项目继续加码,加进去的人也好、token 也好,都只会让它更失败。
三个空间,以及那道缝
他把问题拆成三层,每一层都可能有无数种选择。
意图空间是脑子里想要的东西。老板说「做一个国民级应用」,校长说「要一个教务系统」,甲方说「给我挣一个亿」。
规格空间是这份意图的一种具体化:要满足什么要求,有几个界面,每个界面什么功能,数据库用关系型还是键值型,表怎么分、列怎么定。同一个意图可以对应大量不同的规格。
实现空间是代码。同一个规格,也能有大量不同的实现。
三道缝就在这里。提需求的人往往没有计算机经验,一句话丢过来;规格层的每个决定都会改变结果;实现层的每个选择都会改变能不能活下去。
他放了一张很老的梗图:客户描述的、项目经理理解的、分析师设计的、宣传说的、客户真正要的、最后造出来的,六张图各不相同。造成这个现象的根本原因,就是这些空间之间的缝。
而今天,模型是靠猜来补这些缝的。
焦油坑:加人和加 token 都救不了
模型为什么总是急着上手?他的解释是后训练:任务做完、测试通过就有奖励,于是形成一种倾向,尽快把任务完成。做简单任务时这是好事,做复杂设计时就成了灾难。
人的路径恰好相反。大一第一门课是 C 语言程序设计,先把实现空间里的东西练熟;再上软件工程课,一点点把对整件事的理解补全。先从下往上,再从中间往两边。
所以他给出的操作建议是反直觉的:**先让 AI 把东西搞出来,再回头复盘理解。**效率比从零搭积木高得多。代价是理解深度可能有差距,他承认这一点,但认为这个交换值得。
这也牵出一个他反复提的问题:AI 到底缺不缺品位。既然它见过所有好的设计,为什么不能从记忆里取出那个设计来解决眼前的问题。「既然能做做题家,为什么不能有好的品位。」他说自己因此有危机感,因为这门课讲的东西,三个月后可能就作废了。
软件工程仍然是一门有技术的学科
他花了一点时间纠正一个误解:软件工程不是文科。
学科范围很宽:AI for SE、SE for AI、架构设计、可靠性、演化、需求,以及 human and social aspects。他举了同行的例子——做程序分析、测试生成、代码审查,在代码不满足规格时给出警告。这些都在大图景里。
他也承认它确实带文科成分:人类学、社会学、管理学。而在生成式软件工程里,这些部分正好被换成了 AI——你管的是一群不会抬杠、只会说「你说得对」的 agent。人不管了,但风险还在:人会离职、会跳槽去对手公司,agent 会忘、会瞎猜。
还有一个他觉得教育体系该负责的问题。所有考题都是五分钟能解出来的,否则就不出。于是学生长期训练的,就是五分钟解题。而 agent 的数据更多、反馈信号更明确,在这条赛道上做得更好。
真正的杠杆在需求阶段:越早改动,后面的放大越大。大型软件系统基本都在这个点上出错,然后整体崩盘。
那么,还学什么
他的结束语很短。
**古法编程已经死了。**在单个任务上,AI 已经无人能敌。但软件工程暂时还没死。
他给了一个检验问题,也是这一讲真正的考试题:保研面试时,导师问你,我为什么要招你,而不是花两百美元买一个 Claude Max。
他把这个问题抛给了模型,得到的答案他认为还不错:能找到值得解决的问题,把未知拆成便宜的实验,用证据让坏方向及时停下,并对长期结果负责。
然后他补了一句:这个回答很好,但模型自己现在还做不到。
我的三点补充
原片讲得很密,有几处值得单独拎出来。以下是评注,不是原片内容。
第一,二维码那次实验的价值,不在「AI 写不好代码」。而在它把失败的原因定到了具体位置:模型不是不会写,是没人告诉它范围。它一上手就扩大需求,做成通用版;而软件工程的第一条纪律是先做最简单、不会失败的那一版。这条纪律人也要学很多年,模型只是把它暴露得更快。
**第二,「走通一次就沉淀成脚本」是全文最可操作的一句。**它把 agent 的产出分成两层:探索层允许失败、允许翻车、允许试错;沉淀层必须是确定性的脚本或记忆。多数人只做了第一层,于是每次都要重新摸索。抢课系统那个例子之所以成立,就是因为第二层被补上了。
**第三,三个空间的说法解释了长 prompt 的边际递减。**提示词越写越长,本质是用人的时间手工补第一道缝。真正省力的方向有两个:要么把 spec 写成可验证的中间层(像那套中间语言),要么把验证拆到每一步(像改卷流水线里不让模型做加法)。两者都不是把话说得更清楚,而是把结构搭出来。
一句话总结:**AI 把「怎么写」变成了日用品,于是「要什么」和「怎么验证」变成了唯一还值钱的部分。**软件工程没有消失,它只是从代码里退到了那三道缝上。