在软件行业深耕十五载，我曾依赖经验构建起一套识别技术方案优劣的直觉体系。然而近期，这套曾经可靠的“直觉”频繁失灵：那些曾被判定为“糟糕”的想法，在实践中反而表现卓越。本周的团队回顾会议成为转折点，迫使我重新审视并记录这些反直觉的工程实践，以及它们对从业者的深远影响。
代码审查流程的重构：从同行互查到AI协同
传统开发流程中，代码审查（Code Review）是确保质量、促进知识共享及防止个人偏离标准的关键环节。未经审查合并代码通常仅见于紧急状况。然而，面对日益加速的PR提交节奏，团队在一个月前尝试了一项激进变革：取消人工同行审查。
新流程下，工程师与Claude协作生成代码并创建PR，随后由负责该工单的工程师直接审查AI的输出。一旦持续集成（CI）通过且Greptile审查无误，若负责人确信方案稳固，即可直接合并，无需等待队友切换上下文或反复催促。
这一改变效果显著。其核心逻辑在于风险防控机制并未消失，而是发生了转移：审查者从需要重建上下文的队友，变成了对问题背景理解最深刻的责任人；而Claude和Greptile在捕捉细微Bug和不一致性方面，往往优于人类审查者。尽管移除审查关卡曾被视为缺乏信任的标志，但在当前模式下，效率与质量实现了意外平衡。
团队协作模式：独立工作流与低成本的上下文切换
历史上，我强烈反对将团队拆分为各自独立的平行工作流，担心由此产生的“知识孤岛”会削弱团队凝聚力，并在人员变动时导致项目停滞。但在近期实践中，这种担忧并未成为现实。
AI极大地降低了理解他人工作的成本。当需要介入同事的项目时，只需向Claude询问项目状态、工作原理及待办事项，几分钟内即可掌握足够信息以贡献价值，无需漫长的入职培训或代码阅读过程。
这一变化的本质在于，协作重心从具体的代码实现细节上移至更高层级的抽象问题。只要对问题本身及解决方案形态有概念性理解，工程师即可快速介入。尽管长期影响尚待观察，但这种模式已颠覆了以往对团队协同效率的认知。
人才价值重塑：从技术专精到综合判断力
过去，我推崇“T型人才”发展路径，鼓励工程师在扎实基础之上，深入钻研某一特定技术领域或框架。然而，当AI协作者能在秒级时间内检索并回答任何技术细节时，单一技术的深厚专业知识价值大幅稀释。
当下的核心价值已转向人类独有的判断力：如何设计合理的代码架构、界定抽象层边界、识别领域模型中的概念缺失，以及判断何时拆解重构。此外，仅具备技术能力已不足以构成竞争壁垒，工程师必须拓展产品设计、用户研究及业务理解等多维能力。纯粹的技术导向人才，其市场价值正面临严峻挑战。
被打破的其他工程禁忌
随着AI降低试错成本，更多传统禁忌受到冲击：
- 从零重写：若重写周期从数年缩短至数周，伴随旧系统迭代的风险将大幅降低。
- 自建而非购买：当定制开发仅需极短时间即可完美匹配需求时，自建内部工具的性价比显著提升。
- 多版本并行构建：同时开发三个版本并择优录用，比冗长的设计争论更高效，且可直接在生产环境进行A/B测试，加速交付。
- 引入陌生技术栈：“团队无人懂某语言故不使用”的理由不再充分，AI辅助学习使得引入Rust或C#等特定驱动所需语言的门槛大幅降低。
直觉失效的根源：成本结构的根本性变迁
上述现象的共同指向是：人工智能彻底改变了软件工程中的成本结构。过往被视为高成本的行为（如上下文切换、知识获取、试错迭代），如今变得极其廉价。然而，基于旧成本结构形成的直觉规则并未自动更新，导致判断偏差。
真正的挑战不在于个别决策的失误，而在于赖以成功的判断技能正在系统性失效。面对这一巨变，领导者的核心竞争力已从经验储备转向适应速度与学习能力。未来胜出的关键，在于谁能更开放地质疑既有经验，并通过快速实验验证新的价值主张。