在近期舉辦的行業(yè)技術研討會上，硅心科技（aiXcoder）產品研發(fā)負責人黃寧就AI賦能軟件開發(fā)領域發(fā)表了深度見解。他明確指出，當前備受關注的Vibe Coding編程模式在應對企業(yè)級復雜項目時存在顯著局限性，這種過度依賴AI生成代碼的開發(fā)方式難以滿足實際工程需求。

據黃寧分析，Vibe Coding模式的核心問題在于將代碼生成環(huán)節(jié)完全交由AI處理，開發(fā)者僅需提供需求描述。但在企業(yè)應用場景中，這種模式暴露出多重隱患：AI生成的代碼常出現(xiàn)與現(xiàn)有工具函數不兼容、擅自引入冗余模塊、缺乏長期維護規(guī)劃，甚至埋下安全漏洞等問題。這些缺陷不僅增加了代碼評審的工作量，更可能導致項目后期維護成本激增。其根源在于AI缺乏人類工程師的實踐積累，只能生成局部最優(yōu)解，而無法從系統(tǒng)全局角度保障代碼的穩(wěn)定性和可擴展性。

針對這些挑戰(zhàn)，aiXcoder團隊提出了"AI+軟件工程"的創(chuàng)新實踐框架。該方案強調以AI能力邊界為基準重構開發(fā)流程，明確開發(fā)者作為項目最終責任方的核心地位。具體實施路徑包含三個關鍵維度：首先通過縱向分層和橫向解耦的技術手段，將復雜任務拆解為AI可處理的模塊單元，同時明晰人機協(xié)作的職責劃分；其次建立自動化工具監(jiān)測與人工經驗評審的雙重質量控制機制，確保代碼符合企業(yè)級安全標準；最后運用提示詞工程和上下文工程技術，深度挖掘企業(yè)內部的隱性知識，為AI模型提供更精準的項目背景信息。

該開發(fā)范式已在多個企業(yè)級項目中取得實質性突破。以某通信龍頭企業(yè)為例，在黑盒測試自動化項目中，aiXcoder團隊通過構建融合領域知識的工作流體系，配合多智能體協(xié)同機制，成功生成可批量執(zhí)行的測試腳本。項目特別在關鍵驗證環(huán)節(jié)設置了人工核驗節(jié)點，既保證了測試效率，又確保了結果可靠性。這種開發(fā)模式顯著提升了復雜系統(tǒng)的測試覆蓋率，同時將人工干預需求降低至合理范圍。

黃寧在技術分享中特別強調，隨著AI技術的持續(xù)演進，軟件開發(fā)領域正經歷從"產品定義"向"模式定義"的范式轉變。在這種變革趨勢下，人類開發(fā)者需要重新定位自身價值，將核心精力聚焦于解決系統(tǒng)級復雜問題，而將重復性編碼工作交由AI處理。這種分工模式不僅能提升開發(fā)效率，更能確保項目在技術演進過程中保持可持續(xù)性。