软件工程的未来：无人写码时代，架构与团队的变与不变
架构没有最优解，只有"最不差"的权衡
《Software Architecture: The Hard Parts》里有句话很实用：你永远找不到最优设计，只能找到权衡代价最小的方案。一旦接受这个事实，架构评审就不再是寻找"正确答案"，而是在问"你能接受哪种代价"。
书中给出了一套拆分服务的判断框架：六个拆分驱动因素——边界清晰度、变更频率、规模容错、安全要求、可扩展性；四个合并驱动因素——跨边界事务、频繁交互工作流、共享代码、归属一致的数据。
每次拆分服务，必然至少有一个来自第一组的驱动因素，同时也要付出第二组的代价。如果一个团队说不出驱动因素是什么，说明还没到拆分的时机。
高绩效团队是"循环"而非"阶梯"
Tuckman 模型将团队发展阶段分为：组建期（Forming）、风暴期（Storming）、规范期（Norming）、表现期（Performing）。多数管理者将其理解为阶梯——冲到表现期，然后维持在那里。但现实中这是一个循环——一名新成员加入、一次组织调整、一次棘手的客户问题，就足以让原本高效运转的团队退回风暴期，重新争论一年前已经定好的事情。这很正常，如果管理者没有预期到这一点，就会把健康的冲突当成问题来处理。
更有价值的是：不同阶段，管理者的职责也在变。组建期要给出明确方向和规则；风暴期要监督冲突，确保争论围绕想法而非人身；规范期要多提问、少给答案；表现期要充分授权、退出干涉。最常见的错误是管理者卡在某个模式里（通常是"指挥"模式），而团队早已进入下一个阶段。
本周工具与论文
Databricks 实测：编程 Agent 基准测试
Databricks 在百万行代码库上对编程 Agent 基准测试 Databricks 用跨越十余种语言的真实 Pull Request 构建了自己的基准测试集——因为 SWE-Bench 等现有测试集存在训练数据泄露问题，且与真实代码场景差异较大。结论对 CTO 很有参考价值：按 token 单价比较毫无意义：Sonnet 5 比 Opus 4.8 便宜 1.7 倍，但完成任务的总成本反而更高，因为它消耗的 token 数量是后者的 1.9 倍。此外，测试框架本身比模型选择的影响更大——在同一质量水平下，Claude Code 和 Pi 之间的成本差距可达 2 倍。
OpenAI 研究负责人：AI 系统的"外星人思维"
An Alien Mind OpenAI 研究负责人指出：这些系统是"生长"出来的，而非设计出来的；目前各实验室仍无法解释系统的价值观如何泛化；链式思维（Chain-of-Thought）监控——其主要安全工具——正随着模型智能提升而变得越来越不可靠。他最后的判断是：目前没有一家实验室将"对齐问题"解决到足以持续全速扩展的程度，行业自愿减速将成为常态。
代码审核&查验的终结？还是重新思考的机会？
The End of Code Review? Or an Opportunity to Rethink It? 作者 Kästner 用一个公式来描述代码审核&查验：生产事故成本 × 审核&查验遗漏率 + 审核&查验人力成本，并指出：智能编程时代会让公式中每一个变量同时发生变化。文中历史回顾部分是精华——Fagan 审核&查验（一种系统化代码检查流程）捕获的 Bug 比测试更多，但最终还是被放弃了，因为每次审核&查验 400 行代码需要 8 名工程师工时。取代它的是轻量级 PR 审核&查验：按其引用的研究，这种方式查 Bug 能力弱，但其他价值（代码可读性、共享所有权、团队学习）都不错。
diagram-design：自然语言生成图表
diagram-design 一个面向 Claude Code、Codex、Factory Droid 和 Pi 的 Agent 技能，可以根据描述或现有代码库生成独立的 HTML 图表。内置 39 种图表模板，Agent 自动填充内容；还支持将 draw.io 和 Mermaid 文件反向转换并重新绘制。
评论