软件开发范式正经历变革，从 Software 1.0 和 2.0 迈向 Software 3.0。自然语言将成为编程接口，AI 模型将负责实现，开发者需专注于问题定义、架构设计和验证监督。

文章探讨了人类在软件开发中的角色，强调应关注“目标循环”（why loop），而非“执行循环”（how loop）。人类应优化开发过程，而非逐行检查代码。随着AI的发展，开发者可将更多任务交给AI，以提升效率。通过“代理工程”，人类可指导AI改进开发流程，实现持续优化，最终构建高效、可持续的系统。

本文探讨了AI智能体时代的软件工程，指出开发者在“氛围编程”中面临的挑战。尽管AI能快速生成代码，但缺乏架构意识和可维护性，导致团队痛苦加剧。文章强调需通过系统性工程约束确保软件可靠性，推动软件工程进入“工程化”的黄金时代。

生成式AI正在从生产力、质量、创造力和效率四个方面彻底改变软件工程，推动“Software 3.0”时代的到来。研究表明，生产力提升20-40%，GitHub Copilot的使用数据也显示了AI的价值。开发者应主动学习AI工具，关注质量与创造力，积极参与这一变革。

Sherwin Wu 是 OpenAI API 的工程负责人，他讨论了 AI 在软件开发中的应用，特别是 Codex 的使用。95% 的工程师依赖 Codex 编写和审查代码，从而提高了工作效率。他认为未来工程师的角色将转变为管理 AI agent。Sherwin 还强调，AI 部署的成功需要高管支持和员工参与，指出 AI 对创业和管理的重要影响。

软件行业正经历AI编程的转型，初级开发者就业率下降，但AI也可能带来新需求。开发者需掌握AI技能，适应变化，成为多面手。教育方式正在变革，实战经验和技能愈发重要，未来工程师需具备创造力和批判性思维。

在本期播客中，主持人与Nate Schutta讨论软件工程基础，Nate是《软件工程基础》的合著者。

到2025年，软件工程的核心将转向运行时可控性和成本治理。AI的崛起增加了复杂性，工程师需重视运行时和成本管理，这将成为新的核心竞争力。

这篇文章介绍了Dan Vega与Spring开发者的对话，讨论了他的新书《软件工程基础》。

软件工程治理应支持价值交付，避免延误和成本增加。Sarah Wells指出，治理应帮助团队做出一致、安全的技术决策，而不仅仅是设定期望。有效的治理能提升生产力，减少重复建设和安全漏洞。通过技术策略和工具，团队能够更好地对齐技术决策，提升整体表现。

SWE-Gym是首个用于训练软件工程代理的环境，包含2438个真实的Python任务实例。通过SWE-Gym训练的语言模型代理在SWE-Bench测试集上表现显著提升。我们公开发布SWE-Gym及相关模型，以促进进一步研究。

软件工程的基本流程仍然是需求→设计→开发→测试→部署。虽然AI加速了迭代，但无法自动验证需求。要实现真正突破，需标准化需求，目前需求模糊且多变，仍需人工参与。

独立游戏开发者与科技公司工程师因工作性质不同常产生冲突。工程师追求技术完美，而开发者注重高效解决实际问题。双方需相互理解，以促进更好的合作。