技术博客阅读分享 26-04-20

• 《 AI-Native 软件工程（序）：代码正在变成中间产物，你准备好了吗？》 csdn
• 《 AI推理模型用不稳定？聊聊「降级路由」如何让你的应用更健壮 》 csdn
• 《 DeepSeek-R1 实战：推理模型的正确打开方式 》 csdn
• 《 AI 不会消灭软件工程，它只会消灭低维的软件工程 》csdn
• 《 How I Created OpenClaw， the Breakthrough AI Agent》 Peter Steinberger
• 《 消耗了上百亿 Token 后， 对于 Agent 时代软件构建、软件形态及未来发展的思考 》infoQ中文
• 《 设计圈的 Claude Code 时刻来了 》宝玉的分享

今天读了两篇关于实践中模型选型和调用的讨论。首先关于模型选型，应该在合适的时候选用最适合的模型，比如简单任务选用deepseek v3，复杂需要推理的再切换思考模型r1。这里就涉及到如何进行模型路由的问题。读了另一篇博文才知道有网关路由策略，以及降级策略，特别是使用推理模型的情况，推理模型思考时间更长，请求时间长，更容易超时，这时候就应该设置合理的超时时间和降级策略，配置备选模型，保证用户体验，我会单独写一篇，来看看代码如何实现，选用什么技术？目前的一些想法是使用正则，匹配到一些关键词时切换推理模型，比如“好好想想”，“一步步思考”，但是这个方法比较原始，也只适合两种模型之间路由。

同时读了该作者另外几篇关于ai编程时代软件工程变革的讨论，作者说“AI没有消灭软件工程，只是把软件工程提升到了一个新的层级”，我很赞同。很多人都说AI出现，软件工程专业不吃香了，软件工程专业可以被替代了，果真如此吗？先说说我自己的实践体验。我也经常使用ai从头vibe coding一个项目，我最大的感受是，ai写出来的代码并不优美，结构并不良好，除非你的提示词结构良好，清晰，全面。最多的情况时一个文件里代码行动辄超过1000行，这可不是最佳实践，项目结构也时常一团乱麻。所以AI的出现确实可以提高效率，但最多只是coding，而不是engineering。我们可以不用再写CRUD，繁琐重复的api调用，但是不能不思考系统架构，如何管理复杂度，如何让项目持久可扩展。我们的角色升级为要求更高的系统定义者，架构师，软件工程的能力不可或缺，甚至要求更高了。

另外还读了TiDB 联合创始人兼 CTO 黄东旭在 QCon 2026 大会上的演讲实录，有一句话另我印象深刻：”其实今天大家说 Harness Engineering 等等，真的，我们这个行业真的太爱发明一些稀奇古怪的词了。Harness engineering 你翻译过来看，它就是 Still Good Engineering，它没有什么特别的，也许可能三年以后这个 Agent 自己的社会网络形成了以后，它能搞出一些自己的 Engineering 的方式。但是在那个时候我们已经看不懂他们在想什么了，所以至少今天我们作为 Bootstrap 阶段的人类，能够给 Agent 最好的东西就是我们在上一个时代积累下来这种朴素的软件工程、复杂性管理、需求分析、项目管理这些东西。”

确实，现在我们需要给agent套harness，本质上还是它不够强大，没有那么聪明，所以需要约束，等模型能力进一步进化，这些东西终将变成累赘。

“人类经常会犯的错误——就是不相信模型的能力，只相信设计自己的流程。但经常 99% 的情况是，所谓咱们自己想出来的那些流程规范，放在 Agent 面前都是非常愚蠢的，反而限制了这些 Agent 能力的发挥。” 我们在使用ai开发产品中必须要保持的一个准则就是，不要给AI的能力设限，你要相信ai完全有能力完成你的需求，你要做的只是充分表达清楚你的想法。

他还提到一个观点，就是以后的基础设施和软件，可能是设计成专门供agent使用的。当人以后只需要和agent交流的时候，软件面向的对象就不再是人，是agent了，所以，一个Saas如何便于agent使用才是新的趋势。