标题：aiXcoder：AI并非软件开发的“银弹”，需与软件工程结合

近日，硅心科技（aiXcoder）产品研发负责人黄宁在“全球C++及系统软件技术大会”上发表演讲，探讨大模型驱动的软件开发现状及未来。他指出，Vibe Coding模式虽高效，但难以适配企业级复杂项目开发。AI并非万能解决方案，需与软件工程结合，构建能力扩展与行为监测并重的研发流程，确保交付质量可控、可预测且高效。

企业级AI开发的挑战
Vibe Coding通过自然语言指令生成代码，将细节交由AI完成，但直接应用于企业项目时问题频现：生成代码常忽略既有工具函数，增加独立模块，追求短期解决而忽视长期维护，甚至因缺乏安全校验埋下隐患。根本原因在于，企业级项目承载长期迭代需求和隐性规则，而AI缺乏人类工程师的经验积累，只能提供“局部最优解”，难以满足全局稳定性和可扩展性要求。

aiXcoder的“AI+软件工程”实践路径
aiXcoder提出三大原则：围绕AI能力设计系统、确立开发者为责任主体、学习与传承软件知识，并形成完整的开发范式：

1. 拆解复杂任务，定义人与AI边界
   纵向分层区分高复杂与低复杂任务，让AI处理文档撰写、测试代码生成等低复杂工作，人类聚焦高层次设计；横向分离明确分工，通过简易Spec模式或工作流编排工具实现多轮审批与迭代。

2. 构建可验证系统，保障安全标准
   采用“工具自动化监测+人工经验评审”的双重体系：底层用Sonar等工具扫描漏洞；中间层引入沙盒模拟运行环境，设置检查点以快速恢复稳定；高层将监测结果转化为健康值指标，供工程师实时监控。

3. 提取企业隐知识，丰富AI上下文
   提示词工程将隐性经验标准化，上下文工程则整合Git历史、代码结构等多元信息，提升AI生成代码的准确性。

这一范式已在实际项目中验证。例如，在某通信企业黑盒测试自动化项目中，aiXcoder结合领域知识建模完整链路，植入提示词策略，并设置可信性检查与沙盒验证，最终生成可靠测试脚本。

未来展望
黄宁表示，AI将逐步替代基础编码任务，行业将向“程序工程师”方向演化，人类开发者需专注于系统复杂性问题。aiXcoder正从纵向深耕金融、军工等领域，横向打通软件生命周期全流程，构建平台级能力，助力企业实现研发提质增效。

硅心科技（aiXcoder）孵化自北京大学软件工程研究所，致力于智能化软件工程，已为金融、军工、通信等行业提供可靠解决方案，推动研发效率提升。