架构方程已改变——AI如何释放软件架构师的潜力

我花了数十年时间掌握软件架构，却发现我辛苦获得的专业知识中有70%现在可以在几秒钟内由AI交付。这本应让我感到恐惧，但它却让我获得了自由。

让我回溯一下。我的职业生涯始于软件工程师，并迅速晋升为架构师。在本世纪初左右，微软推出了Microsoft Certified Architects项目——这是一个需要同行评审真实世界架构案例研究的独家认证。我飞往新加坡参加董事会评审，成为全球仅有的40名在该项目因成本问题被微软终止前获得该认证的架构师之一。我还与人合著了关于使用Visio进行专业UML设计的书籍，当时UML是设计架构的图形标准。

我告诉你这些不是为了炫耀资历，而是要确立一个重要事实：我多年来一直沉浸于架构工作。通过所有这些经验，我发现了某些根本性的东西。

30/70法则

至少30%的架构工作是提出正确问题的艺术。这对我来说很自然——也许是求知欲，也许只是常识。但我看到有才华的工程师因为从未提出这些关键问题而失败。你向客户提出这些问题，向自己提出这些问题，向经验丰富的工程师提出这些问题。通过这些提问，你得出正确的架构决策。

但问题是：常识并不总是那么普遍。

另外70%呢？那需要大量的行业经验和知识。不断阅读。从自己的错误中学习——或者更好的是，从别人的错误中学习。如果你在像谷歌这样的大公司中职位足够高，你会通过各种不同的团队接触到内部的错误和成功。但基本上，你不断吸收大量信息，以获得那种情境意识。

这种知识是我的竞争优势。但与美酒不同，技术知识是有保质期的。

知识衰减问题

当我从纯粹的架构工作转向创业——创建了像Wrike（与Asana和Monday一起帮助创建协作工作管理类别）这样的定义类别的公司，以及现在的Zencoder（构建自动化整个软件开发生命周期的AI代理）——我离日常技术决策越来越远。技术不断发展。模式发生变化。最佳实践发生转变。

我储存的知识正在变成醋。

最近，我需要深入研究一些困难的架构决策。接下来发生的事情改变了我对专业知识的所有信念。

AI乘数效应

我在AI协助下能够完成的事情让我震惊。我花费多年积累的那70%的行业知识？AI可以立即、准确且全面地提供它。

以下是我的新流程：当面对架构问题时，我立即启动至少三个AI查询。如果问题需要分析我不熟悉的现有代码库，我会在Zencoder中打开它，并向代理发送一堆并行查询。同时，我向GPT5或Opus询问行业最佳实践的观点。然后，在它工作时，我将行业问题复制粘贴到"更深层次"的公共研究代理——GPT-5 Pro和Claude Opus中的研究模式。当我启动最后一个查询时，第一个查询已经有了回应，是时候深入研究了。

这就像是一个拥有不知疲倦的调查团队的侦探。最初的回应给了我线索。像任何好侦探一样，我追踪这些线索——它们会引出更多线索。这是一个来回的过程，深入探索有希望的方向。当研究代理返回完整的分析报告时，我已经形成了初步意见，可以根据他们的全面分析来验证或修改。

然后发生的事情是，即使在远离日常实践多年后，我也可以再次成为真正的架构师。我之前的智慧和战斗伤疤与AI的最新知识相结合，创造出任何一方都无法单独实现的东西。

新的架构方程

这个方程已经从根本上改变了：

之前： 30%提出正确问题 + 70%积累知识 = 良好架构

现在： 30%提出正确问题 + AI提供的知识 + 人类判断 = 卓越架构

这不是关于AI取代架构师。而是关于AI完善我们。将蓬勃发展的架构师不是那些记忆最多模式或拥有最深技术知识的人。他们是那些提出最佳问题、知道该追踪哪些线索、能够将AI提供的见解与人类判断和经验综合起来的人。

进步的悖论

每个人都担心AI会取代架构师。在建立了多个定义类别的公司后，我发现了相反的真相：AI不会削弱经验的价值——它会放大它。

我的"过期"知识并非毫无价值。那些伤疤、那些学到的教训、关于该问什么问题的直觉——当与AI对当前信息的无限容量相结合时，这些变得更有价值，而不是更少。

我曾经是全球40名Microsoft Certified Architects之一。今天，我在技术知识竞赛中会输给任何使用ChatGPT的初级开发人员。然而，我现在构建的系统比我巅峰时期构建的更好。

这不是矛盾。这是进化。

那一直是架构艺术的30%——现在是整个游戏获胜的地方。如果你花了多年时间磨练这门艺术，如果你拥有来自真实世界系统的伤疤和智慧，那么AI不是你的替代品。

它是你的超能力。