Martin Fowler 是软件开发领域最具影响力的人物之一。他是《敏捷宣言》的作者之一，也是经典著作《重构》（Refactoring）和《企业应用架构模式》的作者。作为 Thoughtworks 的首席科学家，他对技术趋势有着敏锐且深刻的洞察。
在最近的一期 The Pragmatic Engineer 播客中，Martin Fowler 深入探讨了 AI 如何重塑软件工程。
这不仅仅是关于代码生成的效率提升，更是一场关于思维模式、学习循环以及行业未来的深度对话。
以下是本次访谈的深度解读。
一. 从确定性到非确定性：堪比汇编语言的消亡
当被问及 AI 对技术领域的影响可以与历史上的哪次变革相提并论时，Martin Fowler 给出了一个极高的评价：这是他职业生涯中见过的最大变革。
如果要从整个软件开发历史来看，他认为这堪比从汇编语言向高级语言（如 Fortran、Cobol）的转变。
- 抽象层级的提升： 就像高级语言让我们不再需要关注寄存器和内存地址一样，LLM（大语言模型）让我们在更高的抽象层级上工作。
- 核心差异： 但这两次变革有一个本质区别。高级语言的转变是层级的提升，而 AI 的转变是从确定性（Determinism） 到 非确定性（Non-determinism） 的跨越。
过去，我们给计算机指令，结果是确定的。现在，我们面对的是一个概率性的环境。Fowler 指出，这要求软件工程师像结构工程师思考“容差”（Tolerances）一样，学会处理输出的不确定性，而不是盲目信任。
二. 警惕 “Vibe Coding”：不要切断学习反馈循环
“Vibe Coding” 是最近流行的一个术语，指的是程序员只通过自然语言提示（Prompt）让 AI 写代码，自己完全不看生成的代码，只要能运行就行。
Fowler 对此持保留态度。他认为 Vibe Coding 适用于探索性工作或一次性脚本（Throwaways），但对于长期维护的软件来说是危险的。
核心危机在于“学习循环”的断裂：
“当你使用 Vibe Coding 时，你实际上移除了一件非常重要的事情，那就是学习循环（Learning Loop）。”
软件开发的本质是人与机器的反复互动，通过这种互动，开发者建立起对系统的理解。如果你不看代码，你就没有在学习。当你不再学习，你就无法理解系统的结构，也就无法对其进行微调、演进或修复。一旦系统变得复杂且不可控，你只能将其彻底推翻重来。
Fowler 分享了一个案例：他的同事用 LLM 生成了一个 SVG 图表。虽然图表看起来能用，但当 Fowler 打开代码想要微调标签位置时，发现生成的代码结构极其混乱且复杂，远超人工手写的十几行代码。这就导致了维护的噩梦。
三. Thoughtworks 技术雷达：AI 在遗留代码中的巨大价值
Thoughtworks 每半年发布的“技术雷达”（Technology Radar）是行业的风向标。在最新的一期雷达中，AI 相关的条目占据了重要位置。
Fowler 特别提到了一个已经进入“采用（Adopt）”阶段（即强烈推荐使用）的实践：使用 GenAI 理解遗留代码（Legacy Code）。
- 痛点： 任何大型企业都有大量的遗留系统，且原来的开发者可能早已离职。
- AI 的威力： 利用 LLM 对代码进行语义分析，甚至结合图数据库（Graph Database）来追踪数据流向，可以极大地帮助开发者理解复杂的旧系统。
- 现状： 这是一个已经在 Thoughtworks 内部和客户项目中被证明非常成功的应用场景。
相比之下，使用 AI 修改遗留代码仍处于探索阶段，因为风险较高。
四. AI 时代的重构：代码越多，越需要整洁
Fowler 的经典著作《重构》至今已有 25 年历史。在 AI 能够快速生成大量代码的今天，重构是否过时了？
答案恰恰相反。Fowler 认为重构将变得更加重要。
- 低质量代码泛滥： AI 能够以极快的速度生成代码，但往往质量平平。如果只生成不重构，代码库将迅速腐烂。
- 小步快跑： 重构的核心在于“小步骤”和“可组合性”。虽然现在的 AI 工具（如 Cursor、GitHub Copilot）还不能完全自动地进行复杂的架构级重构，但结合人类的判断和 AI 的辅助，我们可以更高效地清理代码。
- 新的工作流： 我们可以利用 LLM 生成代码，然后由人类工程师进行严格的审查和重构，将其打磨成高质量的软件。
五. 敏捷与模式：在 AI 时代寻找新的平衡
关于设计模式（Design Patterns）： Fowler 承认，过去十年设计模式的讨论热度有所下降。部分原因是云服务（Cloud）和 SaaS 产品的兴起解决了许多底层的架构问题（如数据库分片、消息队列等）。但他认为，建立一套通用的词汇（Vocabulary）来描述系统依然至关重要，特别是在分布式系统领域。
关于敏捷（Agile）： 作为《敏捷宣言》的签署人之一，Fowler 回忆了敏捷运动的初衷：让开发团队能够以小批量、高频率的方式交付软件。
在 AI 时代，虽然生产代码的速度变快了，但反馈循环（Feedback Loops） 依然是核心。如果 AI 只是让我们更快地制造更大的“代码块”，那我们将重蹈覆辙。正确的方式是利用 AI 缩短从“想法”到“运行代码”的周期，实现更快的迭代。
六. 给初级工程师的建议：寻找导师，保持怀疑
对于在 AI 时代起步的初级工程师，Fowler 给出了非常务实的建议：
- 寻找导师： 尽管有 AI 助手，但一位经验丰富的人类导师依然是无价之宝。他们能教你那些 AI 无法传授的判断力和行业直觉。
- 不要轻信 AI： AI 是“容易受骗且爱撒谎的”。Fowler 提到 LLM 经常产生幻觉（Hallucinations），甚至在简单的日期问题上也会出错。
- 多问“为什么”： 当 AI 给出一个解决方案时，问它“为什么这样做？”、“你的来源是什么？”。通过不断追问，利用 AI 来辅助理解，而不是仅仅获取答案。
七. 行业现状：泡沫与萧条共存
Fowler 对当前的科技行业做出了冷静的观察：我们正处于一个奇怪的时期——AI 的泡沫与行业的萧条同时存在。
- 萧条： 零利率时代的结束导致企业投资大幅缩减，许多公司经历了大规模裁员。
- 泡沫： 与此同时，大量的资金涌入 AI 领域。
虽然目前形势复杂，但 Fowler 对软件开发的长期前景依然乐观。因为人类对软件的需求，即解决复杂问题的需求远未饱和。AI 不会消灭软件开发，但会彻底改变我们工作的方式。
结语
Martin Fowler 的观点提醒我们，在 AI 浪潮中，不要被技术的光环迷了眼。软件工程的核心依然是沟通、理解问题以及构建可维护的系统。
AI 是一个强大的引擎，但方向盘依然掌握在人类工程师手中。我们需要从盲目的“代码生成”转向更深层次的“系统理解”与“架构设计”。
在访谈最后，Fowler 还向大家推荐了两本书和一个桌游：
- 桌游：Concordia，一款策略性强但易于上手的桌面游戏。
【全文完】
广告时间
我建了一个相关的付费微信群，这个群大概会涉及到的一些内容：
- 与 AI 相关的一手信息分享
- 围绕 AI 时代如何学习与创造的实践分享
- 不定时的直播分享
- 群友自由讨论交流
感兴趣的可以单独加我上面的微信，麻烦备注 “申请入群”，期待更多有趣、深入的讨论！
注：为了保证社群交流的质量，设了一个门槛费用，99 元/人/永久！若介意，请勿扰！
另外，符合下面条件的，可申请折扣或免费加入：
- 在读学生，29 元/人
- 以前参加过我在竹白发起的针对小朋友的 dailyup 每日挑战的付费朋友，可免费加入
- 有其它正当理由，希望折扣或免费加入的朋友
访谈视频：How AI will change software engineering – with Martin Fowler