软件基本功没死,它在 AI 时代变得更值钱了
近期,GitHub 上一个名为 mattpocock/skills 的仓库迅速走红,单日新增 Star 超过 5600 颗。该仓库的作者 Matt Pocock 是一名 TypeScript 课程作者,他在 AI Engineer World's Fair 2026 上的演讲引发了广泛关注。其核心观点指出:在 AI 编程时代,软件工程的基本功不仅没有过时,反而比以往任何时候都更为重要。
01核心观点:代码是 AI 的战场
当前关于 AI 编程的主流叙事往往倾向于“代码不再重要”或“程序员即将失业”。Matt Pocock 持相反意见,认为好的代码库能极大提升 AI 的表现,而坏的代码库则是“有史以来最贵的”,因为它阻断了 AI 带来的红利。他反对“specs to code”(规格说明书生成代码)的范式,指出这种将代码视为黑盒的做法,本质上是在放弃对代码的所有权。代码是开发者的战场,必须被掌控、理解和塑造。
AI 编程范式对比
工程基本功优先
回归工程基本功解决 AI 遇到的困难
持续投资系统设计,掌控代码所有权
通过深模块和测试提升 AI 效能


AI 黑盒/规格生成
认为代码不再重要,会提问即可
采用“specs to code”,视代码为编译产物
容易陷入“vibe coding”,导致代码质量退化
02六大失败模式与技能解法
Matt 将 AI 编程中的常见问题归纳为六种失败模式,并提供了对应的技能(Skills)作为解法。这些技能旨在弥合人类意图与 AI 生成之间的鸿沟。
| 失败模式 | 核心问题 | 对应技能 | 操作指令 |
|---|---|---|---|
| 意图错位 | 脑中的想法与 AI 产出不一致,缺乏共同理解 | grill-me | 以无情审问的方式采访,逐一追究设计树分支,达成共识 |
| 语言不通 | AI 啰嗦且不到点子上,未在统一话语体系 | ubiquitous-language | 扫描代码库术语生成 Markdown 表格,带入每次规划 |
| 反馈缺失 | AI 一次做太多,缺乏类型检查和测试,在黑暗中编程 | tdd | 强制红-绿-重构循环,先写失败测试,再实现 |
| 架构混乱 | 浅模块导致依赖复杂,AI 迷失方向 | improve-codebase-architecture | 识别浅模块,提出合并为深模块的重构建议 |
| 上下文失效 | 大任务超出上下文窗口,LLM 变笨 | DAG 看板 | 将大任务拆解为有向无环图,多智能体并行执行 |
| 流程低效 | 水平切片导致反馈延迟,无法快速验证 | 垂直切片 | 单个 Issue 穿透所有层,类似曳光弹,立即获得反馈 |
AI 编程常见问题与应对技能矩阵
03底层工程原理
这些技能的背后,是对经典软件工程原则的重新应用。针对反馈速度,Matt 引用《程序员修炼之道》中的“跑在前灯前面”概念,指出反馈速度是速度上限。通过 TDD 技能强制 AI 小步快跑,避免生成大量无法验证的代码。针对代码结构,他引用 John Ousterhout 的《软件设计哲学》,提倡“深模块”而非“浅模块”。深模块接口简单、封装度高,AI 只需理解接口即可正确调用,从而实现“设计接口,委托实现”的灰箱管理模式。
在处理大型任务时,Matt 基于 LLM 的认知模型提出了解决方案。他认为在 100k tokens 之前 LLM 处于智慧区,超过则因注意力机制压力呈平方级增长而进入愚蠢区。因此,他主张将大任务转化为有向无环图(DAG),利用并行化处理。其开发的 Sand Castle 库展示了这一流程:Planner 分析依赖图,Implementer 在 Docker 沙箱中并行执行,Merger 负责合并冲突。
- 垂直切片而非水平切片:AI 本能倾向于分层构建(数据库->API->前端),导致反馈滞后。垂直切片要求每个 Issue 包含完整的端到端流程,确保立即获得真实反馈。
- 不要压缩,要清除:上下文用满时,选择清除而非压缩,每次从稳定起点开始,避免在沉积的上下文中越走越偏。
- 人机分工明确:规划(Plan)和 QA 必须由人参与,负责注入品味和判断;实现(Implementation)可完全交给 AI 离线执行。
04经典原则的回归与放大
Matt 在演讲中推荐了多本经典软件工程书籍,包括《设计的设计》、《程序员修炼之道》和《软件设计哲学》。这些书写于 AI 编程出现之前,但其原则在 AI 时代被放大了。好的代码库能让 AI 表现呈指数级提升,而软件熵的扩散速度在 AI 辅助下也比以往更快。Skills 仓库的本质,是将这些几十年的工程智慧封装成 AI 智能体可调用的提示词原语,让 AI 能够理解和遵循经典原则。
当前文章无评论,是时候发表评论了