专题：第八届中国金融科技论坛

　　中国国际服务贸易交易会第八届中国金融科技论坛于9月9日在北京举行，主题为“科技赋能—金融业数字化创新与应用”。软通动力信息技术（集团）股份有限公司金融事业群总裁车忠良出席并演讲。

　　以下为演讲实录：

　　车忠良：谢我是车忠良，我的题目包含了几个意思，题目叫AI软件工程实践。前半段是说我们是干什么的，因为我和我的同事是服务于广大金融机构，软件工程是我们的本质工作，是我们的饭碗，也是AI带来变化、变革和冲击最大的领域。

　　第二点是这里边的实践这个词，说到实践，其实也包含两个方面，一个就是踩到坑了，或者说是撞到墙了，所以我们来谈实践。第二个就是谈到实践的时候没有那么高大上的理论，就是实实在在的向诸位去汇报，说我们是怎么干的。

　　在去年也是这个场合，也是在这个会议室里，当时是讲AI在改变我们的软件工程的范式。1年过去了，我们在走的过程里边，终于在这个历程里面在采坑的时候发现，遇到问题的时候，是什么问题改变了范式，新范式是什么？就是发现没了，找不着了，不知道软件工程的新范式在AI来了之后，我们在使用了AI，在驱动这个流程往前跑的时候新的范式是什么？怎么可以被客户所接受？我们可以怎么样自证？怎么样他证？这件事情做全了、做对了，贯标了，所以我们开始相对艰难的一种探索。

　　大家在实际里边，都有一种体会，很多人用的很多VibeCoding它非常的强大，它现在能够干的事情非常多，很多的事情都是由VibeCoding来承担了，同时在产业里面我们有大量的存在，就是我们实质上还是在使用Copilot的这种方式。因为AI的强大，它的任劳任怨、无怨无悔，让它怎么改，它就怎么改，极其的高效、主动的思考、反复的跟你讨论、反复的自己验证，所以导致了VibeCoding非常好。但是我们在实际过程中，又会发现这件事情谁应该对它负责？就像刚才孙总所提到的可观测的问题、可解释、可评价、可干预的问题，这个问题怎么解决？谁对这件事情负责？

　　大家也都知道，模型的推理是有一定的游走，有一定的幻觉的，鼠有鼠道，蛇有蛇规，小兔子在田野里边跑的时候，它离家门口很近的地方，也是有一条熟悉的道路的，农村的老人可以在它熟悉的道路上设一个套路，把它套住。但是大模型在推理上，它的波动性可能比碳基还是要大一些。

　　整个执行的过程里面，我们很多的事情不可解释，尤其是在VibeCoding的时候，或者说我们执行一个大的big bomb长程任务的时候，它每次都差不多，但是整个过程里面你想要让它在某一段停下来你干预一下继续往前跑挺难。我们做一个软件工程的长程任务怎么样去把这个过程做到刚才所说的可解释、可追溯、可干预？我们试了很多种方法，无外乎就是把这个事情切断，怎么样把大象关进冰箱里，那就要把它分段，所以我们把很强的软件工程的过程全部给它肢解，做到一段一段的，在每一段的时候有标准的方法、标准的工艺，在每一段的时候植入我们的Agent、助手。在每一段的时候设定相应的质量门禁，按照一定的阈值去向下放，既能够保证AI在可信的阈值里面自由的流淌它的信息流，又能够让人可以在过程中对需要人去干预的事情能够插上手，能够伸手扶它一把，能够随时在某一个环节把它接管过来。

　　这样的一个体系去构造、去试图打破从一个黑箱交给它的任务，VibeCoding一直到它自己跑完，能不能变成过程的白盒，使得整个过程具备观测的能力、具备度量的能力、具备评价的能力。也就是说在整个过程里面我们继续去回答过往的时候在传统的软件工程里面我们所熟悉的需求、设计、测试、测试用力、测试大纲、结构、页面、跳转等等这些，它是否还依然有效，我们怎么能够让AI在这个里面把所有的东西都能够给我们产出出来，而且在产出物我们能够去干预，能够去为人类所接受，能够去接受质量检核，能够按照每一集确认的文档自动往下的去跑。所以我们在面对到一些巨大的工程的时候，因为有这样的几个客户，给了我们明确的任务就是要让AI的方式来完成很长程的任务，还是很大型的工程，我们后面想，我记得中央二台有一个节目叫《大国重器》，里面讲了几个很重要的例子，一个就是上海中心的爬楼机，随着上海中心一点点往上爬，专门为它定制的。另外一个是中交一公局的深中通道，万吨的深中通道下面海底隧道的沉管，要用一个专用的浮船给它拖过去。我们在构造这个过程的时候也会发现，刚才孙总也提到FDE，我们有了这样的一个机制以后，我们其实是需要为我们所服务的母体的工程去构造一个切片过、标准化过，同时又有很强的具象的定制能力，管理的需求、管理的规约、管理所有环节的一个定制化的工程体系。

　　正是在这么一种体系之下，回到刚才的VibeCoding到Copilot的中间，我们把它架起来了，从我们的逆向工程对需求澄清，到规约设计，到组装装配，到生产制造，到验收放行，完整的一个链条，在每个链条里面，对刚才我们看到的原来熟知的软件工程的范式、文档、文件在AI的支持下不仅能够产生允许人类去干预，允许我们去迭代，允许我们去交给AI，让AI承载这些由人类确认过的内容，相对自由的在这样的一个长程的任务里面，去连续的执行，实现批量的迭代，实现自我的版本迭代和系统的升级。

　　也就是说，从工程体系上，我们构造了从它的需求到设计到装配到构造到验证到执行的全链路，为AI的使能建立了一个确定性的路径，同时为人类的参与，不光是观测，不光是评价，为它的参与、为它的修改甚至是接管，提供了一个可见的通道。从我们的立项开始到定义到构建到验收，建立起来人机协同的机制，大部分的工作是由AI来干，但是人类可见。同时人类所给予的指导、意见和评审、决策决定了AI能够沿着一个相对确定的通道、确定的链路去把信息流流淌起来。所以我们想到很多“可”：可评价、可解释，其实还有更多的“可”。在整个过程里边我们想到的“可”越多，其实是我们越担心我交给AI的任务它都是执行完了，是我说对了，还是我说错了，我说全了没有，因为它比我强，但是我怎么能够保证它干出更强更快更高质量的工程，对人类来讲我们是希望它干的事能够可观测、可约束、可干预、可验证、可审计，我们希望我们打造的工具链本身能够向人类去展示它可定义的能力、可配置的能力、受控的能力和贯标的能力，和整个执行链路可以复现，可以随时重启，可以断点重来。正是基于这样的一个想法，我们构造了这样的一个工具链的体系，在推动几个重大的工程，在用这样的一种方式向前去演进。

　　我们在探索这个过程挺难的，把一个很灵活的无所不能的AI试图把它串到一个可塑的标准化的管道里，还有很多的工作要做。

　　谢谢大家，这就是我今天汇报的内容。