问题也许不在 AI：软件研发开始适应新的执行者
当 AI 开始承担越来越多执行工作时，软件研发真正发生变化的，或许并不是效率本身，而是“困难出现的位置”。这篇文章尝试解释一种正在出现却尚未被明确描述的现象：研发瓶颈，正在悄然迁移。
随着 Coding Agent 与 AI IDE 的普及，让 AI 参与编写代码正在迅速成为研发团队中的日常实践。从个人项目到企业内部开发，越来越多工程师开始习惯用自然语言描述需求，再由模型生成实现。
直觉上，这似乎意味着软件研发中最耗时的环节正在被压缩——当代码生成变得越来越容易，人们自然会期待开发效率随之提升。
写得出代码，却写不进项目
但在真实项目中，一种略显矛盾的现象逐渐显现出来：AI 生成代码本身已经不再困难，真正困难的，反而是让这些代码进入项目。
这种困难并不体现在从零开始的实验性开发，而是在已有系统中最常见的工作场景里——新增功能、修改既有逻辑，或在既定结构中进行调整。代码往往可以运行，却难以符合项目的隐含约束；实现看似正确，却需要反复修改，才能真正融入现有系统。
最初的解释并不复杂：模型掌握的是通用知识，而企业项目依赖大量内部上下文。只要补充更多背景信息，让 AI 更了解项目，问题似乎就能够解决。
于是，一个几乎所有团队都会走上的路径出现了：补充说明、整理文档、粘贴更多代码片段，甚至主动总结规则，希望把原本依赖经验的部分转化为可以被模型理解的信息。
然而实践很快表明，事情并没有这么简单。
即使上下文不断增加，说明越来越详细，人工介入却没有明显减少。有时甚至会产生一种反直觉的感受：当背景解释得足够完整时，完成实现本身所需的时间，已经接近甚至超过自己直接编写代码。
问题似乎并没有随着信息增加而消失，反而以另一种形式持续存在。
现象开始重复出现
类似的体验并不只出现在个别团队。随着 AI 在研发流程中的使用逐渐深入，越来越多开发者开始提到一种相似的困扰：生成代码本身已经不再是主要问题，但在真实项目中协作却变得更加复杂。
一些团队尝试通过更长的 Prompt 来减少偏差；另一些团队开始建设知识库，希望让模型理解更多项目背景；也有人引入规则体系，将代码规范与工程约束显式化。
这些尝试方向各不相同，却呈现出一种共同趋势——上下文不断增长，说明越来越精细，而人与系统之间的协作成本却没有同步下降。
开发过程似乎出现了一种微妙的反转：过去困难的是如何实现功能，而现在，困难逐渐变成如何向 AI 解释项目为何以当前方式存在。
这种变化并不总是显而易见，却在日常协作中反复出现。AI 可以完成明确的任务，却难以理解那些没有被完整写下的约束；能够生成解决方案，却很难判断哪些选择在当前系统中是“可以做”的，哪些虽然技术上成立，却不符合项目长期演化的方向。
当类似的问题在不同场景中不断重复时，一个更基础的疑问开始浮现：也许问题，并不在 AI 的使用方式本身，而是研发工作的某个核心环节，正在悄然发生变化。
瓶颈开始移动
在反复经历类似的协作过程之后，一个变化逐渐变得清晰起来。
问题似乎并不在于 AI 是否能够生成代码。事实上，在许多情况下，实现本身已经变得前所未有地容易。真正消耗时间与精力的，开始转移到另一件事情上——如何说明任务的背景，如何解释系统的约束，以及如何让执行过程符合项目长期形成的结构。
换句话说，困难并没有消失，它只是开始移动。
过去的软件开发中，主要挑战往往集中在实现阶段：如何把需求转化为代码，如何完成复杂逻辑，如何解决技术细节。而当代码生成的成本被显著压缩之后，这一平衡开始发生变化。实现不再是最稀缺的能力，反而是对任务的界定、对上下文的组织，以及对执行边界的说明，逐渐成为新的阻力来源。
这时，一个看似简单却意义深远的观察开始成立：
当执行变得越来越容易——真正困难的，开始转向定义要执行什么。
图 1｜研发瓶颈迁移模型（Development Bottleneck Shift）
直到这时，这种变化才逐渐显现出清晰的轮廓：我们所经历的，并不是单纯的工具升级，而是一种更深层的迁移——研发过程中的瓶颈，正在从“如何实现”，转向“如何定义与组织执行”。
这种现象，可以被理解为：研发瓶颈迁移。
软件研发正在适应新的执行者
一旦从“瓶颈迁移”的视角重新回看，许多看似零散的变化开始呈现出一致的方向：
- 为什么 Prompt 变得越来越长？因为执行已经不再稀缺，真正稀缺的是对任务背景的完整表达。
- 为什么团队开始建设知识库与上下文系统？因为信息不再只是供人查阅，而需要被执行者随时获取。
- 为什么规则体系不断增加？因为当执行者不再天然理解约定时，隐性的协作经验必须被显式化。
- 甚至，为什么越来越多系统被称为 Agent，也可以从同一角度理解——当上下文无法一次性给定，执行过程就不得不从“被动响应”转向“持续行动”。
这些变化并非独立出现，而更像是同一件事情的不同侧面：软件研发正在逐渐适应一种新的执行方式。
结语
当执行逐渐不再是软件研发中最稀缺的资源——当代码本身不再构成主要阻力时，工作的重心也随之发生改变。开发者不再只是实现功能的人，而越来越成为组织上下文、定义边界与构建执行环境的人。
从这个角度看，AI 并没有直接改变软件研发流程，而是让一些长期存在却不易察觉的结构第一次变得清晰。软件系统始终围绕执行者演化，而今天，我们正在经历的，也许只是执行者的一次变化。
也许我们一直以为，是 AI 在学习如何参与软件开发。但换一个角度看，更真实的变化可能是——
软件研发，正在学习如何与新的执行者一起工作。