5 软件工程的来龙去脉：弥合意图与实现的 gap
软件工程从诞生起就在弥合意图、规格和实现之间的 gap；AI 让实现变便宜，意图和验收变得更重要。
5 软件工程的来龙去脉：弥合意图与实现的 gap
我的理解
- first principle：把问题拆到最基本、不可再简化的事实，再从这些事实推导解决方案。
- 软件工程要解决的是 intent、spec、implementation 之间的 gap。
- 历史上的方法，如瀑布、DAG 视角下的 BFS 与 DFS、形式化语言、UML，要放到 AI 时代重新看定义和取舍：哪些保留，哪些更替。UML 已经死了，至少我现在不会用。
意图、规格与实现
软件工程要弥合的，是三层之间的 gap：
- intent：想要什么。
- spec：架构、接口、约束。
- implementation：实际运行的代码。
需求出自人的设想，提出需求的人往往也没有想清楚边界情况。以选课系统的先修课为例：它是硬约束还是软约束？谁有权特批？学生临近毕业、只差这一门时，学校通常会破例。
这些 gap 无法靠事先想清楚来消除，原因在于下面三条基本事实。
三条基本事实
- 测试之前，程序无法运行：设计阶段只有文档，缺乏强约束，偏差要到测试才暴露。例如做 OJ 题时先选定了错误的算法，写完运行样例，才发现整个思路不成立。
- 不会发生的事终会发生：Hamilton 默认任何假设都可能被违反。阿波罗 11 号下降时触发报警，软件依靠优先级调度与恢复机制，保证下降控制继续运行。
- 每一步翻译都会出错：从 spec 到代码会出错，不崩溃、不泄漏资源这类隐含的 spec 也会遗漏。例如为 Eiffel 的取款函数写前置条件时，才会考虑余额不足如何处理。
gap 既然无法消除，历史上的方法便沿两条路线去收窄它。
两条路线
- 提前反馈：pilot、MVP、敏捷、TDD、QuickCheck（描述性质，自动生成用例寻找反例）。
- 确定语义：自然语言 → checklist → UML 与 DSL → 编程语言加契约 → 形式化证明（Dafny、Verus）。
traceability 把依赖关系显式记录下来，防御性编程默认前提会被违反，二者是两条路线的补充。评估一种新工具时，可以先问：它属于提前反馈，还是确定语义？
瀑布：返工沿依赖传递
提前反馈这条路线，源自对瀑布模型的反思。Royce 在 1970 年的论文中提出瀑布，本意是批判它。将需求、设计、实现之间的关联视为 DAG，测试失败后须向上追溯，依赖错误设计的实现全部作废；问题发现得越晚，代价越大。
- 瀑布即 BFS：逐层铺开，最后测试。
- MVP 与敏捷即 DFS：先打通优先级最高的一条依赖，每一步都获得反馈。
- Do it twice：先构建一个准备丢弃的 pilot。丢弃的是代码；需求随之修正，意图保持不变。过去代码昂贵，至多做两遍；如今代码廉价，可以反复迭代。
两条路线的取舍，始终受制于写代码的成本。AI 改变的正是这一成本。
AI 时代的取舍
讲师认为：LLM 解决了人与人难以对齐、checklist 难以检查的问题，剩下的只有「没有想清楚、没有说清楚」。
| 方法 | 原本解决的问题 | AI 时代 |
|---|---|---|
| UML 等中间语言 | 编码前让人与人对齐 | 不再需要，AI 可在自然语言与代码之间直接翻译 |
| 人工 checklist | 防止遗漏 | 检查交给 AI，与客户确认仍由人负责 |
| MVP、do it twice | 尽早获得反馈 | 更重要，也更廉价 |
| TDD、契约、断言 | 定义何为正确 | 更重要：AI 负责实现，人负责验收 |
| traceability | 定位依赖 | 更重要：AI 修改快，漂移也快 |
| 任务划分 | 分工 | 不变：leader 须先划分任务，不能交由团队自组织 |
从 spec 到实现几乎不再有成本，intent 到 spec 的定义与结果的验证因此更有价值。AI 同样让 BFS 变得廉价，可以一次生成整套系统；但 intent 一旦有误，成果仍会全部作废，坚持 DFS 依然依赖人的判断。
人的职责
- 决定哪些定死，哪些留白：前述所有方法，归根到底都在回答这一问题。
- 给出可验收的结果，过程交给 Agent：任务划分是否合理，取决于每一部分能否写出验收标准。
漂移：以验收为源头
AI 修改代码的速度远超文档与测试的更新。对策是以 spec 和验收为源头，代码可随时重新生成：
- 验收写成测试与断言，漂移在运行测试时自动暴露，不依赖人工阅读文档。
- 修改代码时，在同一次提交中同步更新文档与测试，并写入
AGENTS.md作为规则。 - 小步提交，每步运行测试，将漂移限制在单步之内。
- 由 Agent 定期比对文档与代码，报告不一致之处，思路同第 4 讲的 repo.db。
附录：读一手资料
教科书对所有读者做同一种有损压缩。借助 AI，可以直接阅读原文，压缩成适合自己的版本。