2026年Thoughtworks峰会指出，AI代码生成已过剩，验证成为新瓶颈。核心发现包括：Harness Engineering成独立学科，初级工程师面临学徒制危机，管理层与工程师认知鸿沟大，遗留系统现代化是AI最佳落地场景，治理滞后于自主性扩张。结论是，人类判断力、审美和克制是AI时代最后的护城河，需刻意保护“人味儿”作为战略资产。
本文总结了Thoughtworks第二届软件开发未来会议的要点：代码生成不再是瓶颈，验证才是；组织面临学徒制危机和高管与工程师的期望差距；遗留系统现代化是近期价值池。文章还讨论了LLM在运维中的价值、公民开发者风险、DSL应用，以及作者对LLM文风泛滥的担忧，强调保持人类独特写作声音的重要性。
拜耳与Thoughtworks合作开发的PRINCE平台旨在解决制药行业药物开发中的数据检索和分析挑战。该平台利用增强生成检索（RAG）和文本到SQL技术，整合大量安全研究报告，成为智能研究助手，能够回答复杂问题并起草监管文件。PRINCE通过透明性和可解释性建立信任，显著提高数据访问和研究效率，推动药物开发创新。
马丁·福勒在欧洲旅行期间，Thoughtworks发布了第33期技术雷达，聚焦AI浪潮及其在编程中的应用。他与Gergely Orosz录制播客，讨论AI对编程的影响，并参加西门子会议，探讨软件架构的未来。
Thoughtworks的顾问团队进行了实验，利用Gemini 2.5 Pro在两周内分析了一个没有源代码的遗留系统，生成了功能规范蓝图。AI在解码代码、总结二进制文件和映射数据库变化方面表现出色，显著加速了逆向工程过程，但仍需验证结果的准确性。
Birgitta是Thoughtworks的资深工程师，拥有20年软件开发经验。她探讨了自主编码代理的工作，分析了OpenAI Codex在处理UI问题时的表现，包括代码搜索和现有功能的重用。尽管代理能提供解决方案，但在代码发现和质量方面存在差异，强调了环境配置的重要性。
Thoughtworks首席技术官Rachel Laycock讨论了AI对技术行业的影响，指出依赖AI生成代码可能加剧遗留代码问题且安全性存疑。尽管AI能提高生产力，但真正的挑战在于理解和现代化旧系统。Laycock强调AI应辅助开发者而非取代他们，企业需谨慎采用新工具，以确保技术人才的价值。
Kiran在Thoughtworks担任首席工程师，专注于数据和AI。他利用函数调用使大型语言模型与外部系统交互，开发智能购物代理，解析用户意图并执行相关操作。该代理使用Python编写，能够处理用户请求并提供产品搜索和详细信息。
平台工程最初由系统管理员推动，旨在改善工具和开发流程，如今已引起企业高管的关注。咨询公司如Thoughtworks帮助企业理解其价值，推动技术投资。高管与咨询师的对话至关重要，以确保技术决策符合组织需求。实施平台工程时需考虑企业的独特性，以促进持续改进和能力提升。
关于GenAI对数据和AI团队的影响存在两种极端观点：一种认为它会取代技术团队，另一种则认为它只是干扰。尽管GenAI在原型开发和项目机会方面提供便利，但专家认为它不会取代传统AI的核心功能。GenAI在提升团队生产力和人才发展方面也有积极作用，但仍需专业监督以确保质量和可靠性。
今年我失业了10个月，离开了Thoughtworks，感到遗憾。为了与妻子团聚，我辞职后申请了300多家公司，仅获得7次面试，面临DSA挑战。我开始学习AWS认证和算法课程，完成多个项目，提升技能。尽管求职艰难，但我收获颇丰，计划在2025年找到工作并继续开发项目。
Thoughtworks发布的技术雷达第31期强调生成AI和大型语言模型在软件开发中的重要性，呼吁平衡AI与人类专业知识。Rust在系统编程中崭露头角，WebAssembly支持跨平台开发。报告指出AI工具生态系统快速增长，推荐采用多种新工具，同时强调保持软件工程实践的重要性。
作者回顾了在ThoughtWorks工作的十年经历，讨论了保持技术行业竞争力的方法，包括行业变化、技术趋势和人工智能的影响。他还分享了开源项目和技术博客，并表达了困惑和乐观的态度。
Thoughtworks开发了AutoDev工具，用于AI辅助编码。AutoDev提供智能的代码补全、解释、生成、审查和查询功能。它结合了DeepSeek Coder模型和OpenBayes平台进行模型评估和微调实验。通过数据工程和模型演进，AutoDev生成高质量的数据集，并通过质量流水线设计来筛选和评估代码质量。
Thoughtworks与大型企业合作，探索和构建开源项目在生成AI领域。他们开发了Unit Mesh作为他们的开源AI开发系统的一部分。与其他应用生成AI的领域不同，许多公司已经从研讨会开发方法过渡到标准化方法。Thoughtworks认为，IDE的经验可以应用于其他软件开发场景。他们探索了不同的模型和技术来增强编码和写作体验，如强大的上下文生成，自定义AI操作和与现有框架的集成。他们强调需要多个模型来辅助不同的子任务，并根据用户反馈不断优化模型。总体而言，生成AI可以提高生产力，但应被视为全面助手而非一站式解决方案。
Thoughtworks在其IDE中使用内联代码生成作为编码辅助工具。该工具的实用性取决于情况和开发者的期望。影响其实用性的因素包括技术栈的普及程度、问题的复杂性、建议的大小、开发者的经验和错误的余地。开发者需要实验并培养出何时使用编码辅助工具以及何时依靠自己技能的感觉。
ThoughtWorks最新技术雷达讨论了AI辅助软件开发、衡量程序员开发效率、大量大语言模型和远程开发等主题。采用了设计系统和轻量级RFC方法、可访问性感知组件测试设计、GitOps等工具。平台方面，采用了Colima，试验了云事件、DataOps在行动、Google Cloud Vertex AI和Immuta等。语言和框架方面，采用了Playwright，试验了.NET Minimal API、Ajv、Armeria和AWS SAM等。
本文讨论了作者对软件工程的思考，强调了从生活中寻找灵感和解决问题的重要性。作者提出了一些方法，如将现实中的概念归纳命名、使用模型思维分析问题、了解软件使用者的需求等，来帮助理解软件工程。文章还包括了生活中的逻辑、模型思维、业务模型、领域模型、软件架构和团队系统等主题。
Thoughtworks在他们的IDE中使用内联代码生成作为编码辅助工具。该工具的实用性取决于技术栈的普及程度、问题的复杂性、建议的大小、开发者的经验和错误的余地。开发者需要通过实验来建立有效使用编码辅助工具的感觉。
Thoughtworks的Scaleups团队发现技术、人员和产品是导致初创企业业务增长停滞的三个关键领域。他们将在网络研讨会中深入分析这些挑战，并提供实际解决方案。
完成下面两步后，将自动完成登录并继续当前操作。
