在蒋涛于 GOSIM 2026 提出硅基时间理论、宣告我们不会再手写代码之后一个更现实的问题摆在每个程序员面前 CSDN不懂代码的人如何如何造出企业级软件01 一个不会 Rust的超级个体CSDN 高级副总裁、AtomGit CEO 于邦旭今年 3 月说要做自己的 AI 编程工具。他一个人用 28 天写出 4 万行 Rust 代码——全部由 AI 生成提交 1146 次日均 41 次按内部任务集自评达到 Claude Code 的 0.85 倍。关键是他自己并不会 Rust。他把任务拆成 5~10 个边界清晰的子任务让两个模型同时开工检验结果是否符合验收标准不合格就重写指令再派发合格并入主干再把验收标准和指令沉淀到下一轮。他只做三件事审查、拒绝、定方向——他是在调度 Coding而不是在 Coding。这印证了蒋涛演讲中的那句判断他是在调度 Coding而不是在 Coding。而支撑这种调度式开发落地为普通人的能力正是新一代 AI 编程工具的核心命题。02 AI 编程工具的演进从辅助到设计优先要理解这一轮变革先看清工具代际的分水岭。资料把 AI 编程工具的演进划分为四代表格代际工具定位关键维度第一代Copilot辅助控制粒度到行第二代Cursor集成Token 效率低第三代Claude Code自动化架构控制低第四代XDevelop设计优先以设计为核心、团队协作前三代工具的焦点都停留在更快地写代码而第四代 XDevelop 的关键跃迁是把重心从代码前移到设计——先基于需求把数据模型、界面模型、服务模型搭出来再让智能体去生成和运行代码。这正好呼应了蒋涛演讲中的核心判断软件生产方式变了代码从资产变成耗材代码变便宜信任变昂贵。当代码不再是核心资产需求理解与架构设计就成了真正值钱的能力。 专业深挖为什么设计优先是第四代的本质跃迁这一代际跃迁本质上是软件开发的重心从实现前移到设计。前两代工具Copilot、Cursor帮你写得更快第三代Claude Code帮你自动化但它们的共同局限是——都默认架构和需求已经被人类想好了。而第四代工具的命题是当 AI 能独立完成整个工作日的活蒋涛演讲中 METR 数据显示 Opus 4.6 已能承接约 12 小时任务时真正稀缺的不再是实现能力而是把模糊需求翻译成可执行设计的能力。对应到 XDevelop 的三步流程这套设计优先落得很具体新建项目录入需求→ 执行流程生成系统→ 智能体修改迭代。它先把需求 → 数据模型 → 界面模型 → 服务模型的设计链路搭好再让工作流智能体去依次生成数据库、界面和代码——先有设计再有代码而不是先写代码再补设计。这也解释了蒋涛那句代码变便宜信任变昂贵当代码可以由 AI 批量生成设计决策的质量和可验证性才是软件真正的价值所在。03 三步走30 分钟生成一个能用的系统的XD资料展示了 XDevelop 的三步骤极速开发路径这是一套任何人哪怕不懂代码都能执行的完整流程第一步新建项目录入需求创建项目、录入名称与业务需求。用户需求往往很简单此时可以在界面选择【功能描述】点击【AI 生成功能描述】在右侧弹出的对话框中点击【自动执行】让 AI 把简单的需求自动扩写成完整的功能描述。第二步执行流程生成初版系统选择AI 生成通用 Web 应用系统流程先由需求分析智能体详细梳理需求再通过工作流智能体依次执行生成数据库 → 生成界面 → 生成代码 → 编译执行生成初版系统。使用工作流可确保十分钟运行完成——资料明确说明它比通用智能体更加有效。第三步智能体修改迭代直接跟 AI 研发助手用自然语言对话精准修改软件中的问题包括修改菜单目录、数据库结构和服务接口还能在界面中边修改边运行。从录入需求到拿到初版系统全程约 20 分钟生成真实系统30 分钟内完成迭代——这正是资料反复强调的FDE 技能30 分钟生成智能软件。 专业深挖为什么工作流智能体比通用智能体更有效这一步是很多人在实际使用中容易忽略的差异点。资料特别强调使用工作流可以确保十分钟运行完成这个比通用智能体更加有效。背后的原因是编排效率与状态管理的差异。通用智能体把生成数据库→生成界面→生成代码→编译执行当作一个整体去自由发挥每一步之间缺少显式的产物衔接与验收节点容易在自由探索中浪费 Token、甚至偏离需求。而工作流智能体把整条链路拆成有明确输入输出的节点每个节点的产出物数据模型、界面模型都被固化、可复核、可回溯——这与于邦旭把任务拆成 5~10 个边界清晰的子任务的方法论如出一辙。换句话说通用智能体像自由发挥的程序员工作流智能体像按 SOP 严格执行的工程流水线。当需求已经清晰时后者在可控性和速度上都有明显优势——这正是调度思想的工程化落地。04 三类智能体从开发到运维的全生命周期资料进一步说明XDevelop 围绕软件开发的全流程部署了三个分工明确的智能体研发智能体负责迭代修改指哪打哪精准修改软件中的问题包括修改菜单目录、数据库结构和服务接口可边修改边运行还能在保持业务接口、数据口径、网关请求和菜单跳转不变的前提下完成界面样式升级并主动报告发现的服务数据查询缺陷如将截止日期当作物理字段查询导致 SQL 报 Unknown column测试智能体开发完成后针对整个软件的过程和流程生成测试用例和测试步骤覆盖单元测试、集成测试、UML 设计等类型并生成测试名称、测试操作、预期结果等用例字段保证软件质量操作智能体每个做好的软件都随身附带一个智能体操作助手能操作该软件基于两点——深度理解理解软件的一切数据、数据库、界面功能、服务接口与权限跟随拥有跟随登录用户的权限用户是什么权限它是什么权限。这意味着软件不再只是一个被使用的产物而是长出一个能自己操作自己的智能体。软件从工具变成了某种意义上的数字员工——这正是资料所述软件向智能体软件演变的落地形态。 专业深挖①研发智能体是如何指哪打哪又守住架构的研发智能体最难的能力不是改代码而是在不破坏既有架构的前提下精准修改并主动发现隐患。资料中的示例很有说服力它能在保持业务接口、数据口径、网关请求和菜单跳转不变的前提下完成界面样式升级——这意味着它修改时做了回归意识不会为了改一个按钮把整条链路带崩它还能主动报告发现的服务数据查询缺陷当某处把截止日期当作物理字段直接查询导致 SQL 报 Unknown column 时它能识别并汇报。这说明第四代研发智能体已经具备架构级上下文理解 主动诊断的能力而不是简单的代码补全器。这背后依赖的是对数据模型、界面模型、服务接口的一致理解——也就是前文说的设计优先所建立的完整上下文。 专业深挖②测试智能体的测试沉淀到底沉淀了什么测试智能体的价值不只在于生成用例更在于一套可回放、可验收的测试沉淀闭环。资料中的操作示例透露了关键细节它生成的是结构化用例测试名称、测试操作、预期结果等字段这意味着测试用例是机器可执行、可复现的而非散落文档执行测试时走的是保存规则→验证服务端回显→截图取证→视觉验真的流程——截图不足以作证时明确不能入库重新取证。这是一个非常重要的专业点AI 测试必须有证据链。视觉验真机制保证了测试结论有真实依据避免 AI自说自话地通过。这解决了传统 AI 生成测试的最大痛点——测试结论不可信也是信任变昂贵在测试环节的具体解法。 专业深挖③操作智能体的深度理解 权限跟随操作智能体让软件自己会操作自己它的两个底座能力值得单独拆解深度理解它理解的是该软件的一切——数据、数据库、界面功能、服务接口。这相当于给每个软件内置了一个懂它自己的专家助手权限跟随它拥有跟随登录用户的权限用户是什么权限它就是什么权限。这一点极其重要——它保证了智能体在操作软件时不会越权天然继承了系统的权限边界和安全模型。一句话总结操作智能体不是万能的外挂而是戴着用户权限口罩、真正懂这款软件的数字员工。这也是它能直接承担录入模拟数据录入菜单权限资源指定界面生成模拟数据等真实业务操作的原因。05 给普通开发者的转型启示结合蒋涛的硅基时间公式——产出 碳基时间 硅基时间 × 并行系数——不难得出一个趋势判断未来程序员的核心能力不是写代码而是把需求拆成智能体可执行的子任务 定义验收标准 为结果签字。资料给出的转型方向是 FDE前置部署工程师未来程序员应更贴近业务用 AI 现场交付懂业务、可对话的智能体让软件团队向超级个体演变。蒋涛在演讲中也反复强调——学会调度硅基时间并为结果签字是这代程序员的新必修课。 专业深挖想转型 FDE先补上这十条能力主线如果你真的想往 FDE 方向走资料提供了一套完整的《AI 编程与 FDE》课程体系国防科大软件工程博士薛丹主讲我帮你梳理成十条可对照自检的能力主线表格#能力主线核心知识点1AI 编程与软件危机第五次软件危机、未来软件形态、AI 编程发展、程序员的未来2AI 智能体的设计AI 大模型介绍、简单智能体设计、工作流智能体编排、自主智能体设计3AI 智能体的资源知识库、记忆库、MCP 服务、智能体工具、智能体技能4基于 MVC 的设计需求分析、数据模型、界面模型、服务模型5代码生成与运行技术栈选型、前端代码、后端代码6AI 代码测试测试范式改变、单元测试、集成测试7AI 生成文档生成 UML 设计图、文档模板与变量、生成设计文档8AI 编程智能体研发智能体、测试智能体、操作智能体9AI 编程应用实战需求分析、流程执行、修改迭代、自动测试、生成文档、对话操作、项目发布10重要提示词面向智能体的高质量指令编写对照这张表你会发现FDE 不是只会聊天让 AI 写代码而是要系统性掌握智能体设计、MVC 建模、测试范式、文档生成的完整工程能力。这十条就是一条清晰的转型路线图。从手写代码到调度智能体你不必会 Rust但你必须会设计需求、定义验收、调度 AI。这才是设计优先时代真正的含金量。造出企业级软件 来讨论下 CSDN 这次大会 你收获了什么