2025-08-07 21:26:49 中华网
原文作者：行云创新CEO 马洪喜
20 年研发管理和架构咨询经验， 10 年以上的企业级解决方案经验，曾主导设计华为桌面云，天翼云公有云、平安云第一代设计，中国人寿、生命人寿、太平洋保险、建行、恒丰银行、中信银行、上汽等客户的云架构规划、设计。曾在 Citrix、Oracle 等公司担任企业架构师和研发负责人。微软 MVP、DevOps 教练。
用过 AI 编码的人，包括我自己，都深知其中的便捷。虽然时常经历 “生成一分钟，调试半小时” 的尴尬，但只要不与它较劲，终究能曲线绕开问题，收获满满的 “氛围” 爽感。
网上关于 AI 编码的赞美之词已经很多，作为长期深耕企业信息化的老兵，今天想聊聊它的 “隐忧”。
记得两年前和一位大佬聊起互联网汽车，对方说：“我们自己就是搞互联网的，最清楚里面的软件是怎么开发上线的。” 时至今日，若汽车里的软件不仅能支持智能驾驶，甚至连软件本身都是 AI 生成的，试问你还敢放心松手打盹吗？
AI 辅助编码就像打开牢笼的猛兽，根本收不住……
在严肃的企业软件领域，若 Vibe Coding（氛围编程）得不到驯服，说不定哪天就会捅出大篓子，出了问题恐怕连个担责人都找不到。
本人长期在企业数字化领域深耕平台工程实践，对于如何用平台工程驯服这头 “猛兽”，在拉满编程氛围的同时，让 CIO、运维大佬睡得更踏实，有一些心得和实践。
今天先浅谈三点。
1、在 Vibe Coding 时代，架构治理更加重要
写个简单的网页自己用，可能不需要太多架构考量；但如果是核心业务的微服务体系，其领域划分、中间件选择、部署设计、安全设计，甚至信创设计，都需要充分规划 —— 而这些恰恰是 AI 辅助编码无法提供的。以前，微服务开发者大多具备一定架构素养。但未来，AI 编程会让程序员 “更专注于业务需求理解”，甚至新手也能进入程序员队列。因此，企业级 “架构治理” 可能是对冲 “AI 编码风险” 的重要手段之一 —— 只要架构严谨，小的逻辑问题或许能被限制在可控范围内。
架构治理对人的要求很高，尤其是当程序员用 AI 高速生成代码时，仅靠人工做架构审核显然不够。更何况，PPT 上的架构设计 “永远是合规的”，但真正在数据中心里运行的系统究竟是什么样，谁又能说清呢？
研发过程中的架构设计管理绝不能停留在 “文档交差” 层面。平台工程理论建议采用 “基础设施即代码（IaC）”，让架构本身实现代码化、可部署、可归档。只有基础设施实现代码化，对架构的 AI 评估才有可能实现；否则，用 AI 对着 WORD 文档判断架构是否合理、安全、符合信创要求，又有什么意义呢？
以下是行云创新团队基于平台工程理念打造的CloudOS：
【CloudOS产品演示图】基础设施即代码 IaC 理念下的企业应用架构设计
【CloudOS产品演示图】基于 AI 辅助的架构评审
【CloudOS产品演示图】基于 AI 智能体技术的架构评审规则制定
2、AI 生成的代码出了问题，如何把损失降到最小
生产环境中，AI 生成的代码占比一定会越来越高。如果说 “架构治理” 是约束手段，能防止错误离谱、避免风险扩散，那么小范围的错误也可能致命。为了将损失和风险降到最低，必须及时发现潜在问题。以前，一些不影响业务的 Java 异常可能会被忽略；但现在，代码量如此庞大，谁来审查日志？或许可以让 AI 来治理 AI—— 但前提是平台工程能聚合大量数据（日志数据、监控数据、告警数据、架构关系、代码库、代码提交日志、变更记录等）。数据聚合得足够多，AI 才能有的放矢；甚至还应支持 “二级数据融合”—— 为什么不能把客户投诉、埋点数据也整合进来，让 AI 一并分析呢？（如下图）
【CloudOS产品演示图】 应用工厂故障诊断示例
氛围编程时代的发版策略或许也需要重新考量。很多企业仍在采用 “一刀切” 的上线逻辑，充分信任新版本质量。但在氛围编程时代，“可靠的上一版” 不能彻底下线：是保留 80% 旧版本、20% 新版本？还是各占 50%？出现什么问题时切回可靠版本？这些是策略问题，但平台必须具备相应能力，才能让策略落地。
3、程序员的绩效管理需要重新考量
大家都在搞氛围编程，若有人坚持纯手写代码，个人的绩效会不会变差？
如果用 AI 辅助生成的代码在生产环境引发重大事故，又会影响谁的绩效？
因此，氛围编程时代，企业研发绩效体系需要重新设计。我们不反对 AI 生成代码，但相应的程序员能否为其负责？如果用 AI 生成的代码自己都不看，只要能运行就提交，最后出了问题，平台一定会记录在案；相应的测试用例是谁开发的、为何没覆盖到位，平台也会有记录。
我们还考虑为CloudOS设计一个功能：平台随机从程序员提交的代码库中抽取一段代码，让其解释，以此作为评审其是否对代码负责的手段之一。否则，若程序员离职后，留下一堆 AI 生成的 “屎山代码”，后继者可能只能彻底推翻 —— 如此一来，AI 就成了借口，企业数字资产的质量也需要建立评测机制。
从事开发 20 多年，包括近几年深入 AI 大模型浪潮，我深知行业迫切需要能促进 AI 编码健康发展、制约其风险的措施。
我们相信，只有形成 “平台工程化” 的全环节聚合，业务流程才能更通畅，AI 治理架构、风险防控乃至氛围编程时代的新绩效管理机制才能落地。AI 这头猛兽已从牢笼中释放，唯有驾驭好它，才能正向驱动生产力，让大家在变更上线后能安稳睡个好觉。
