2025年标志着软件开发的一个转折点，人工智能在工程中的角色经历了重大审视和演变。今年年初，科技界见证了许多人称之为实时实验的事件，将AI的编码能力与人类开发者的技能进行对比。虽然AI最初似乎占据上风，但从所谓的“氛围编码”向“上下文工程”的转变凸显了人类洞察力在软件创作中的持续重要性。最新的Thoughtworks技术雷达强调了这一趋势，展示了旨在帮助团队在使用大型语言模型（LLM）和AI代理时更有效管理上下文的新工具和方法。这一变化标志着行业对AI进展理解的更广泛转变——不仅仅是计算规模的扩大或流程加速，而是掌握上下文的细微差别。\n\n早在2025年2月，Andrej Karpathy提出了“氛围编码”一词，迅速引发了争论。该概念反映了一种较为松散、不太精确的AI辅助编码方式，更多依赖直觉猜测或“氛围”，而非结构化逻辑。Thoughtworks内部讨论对氛围编码的长期可行性持怀疑态度。到了4月，人们开始关注其不精确性和反模式（低效或有问题的编码习惯）的泛滥。用户日益增长的需求推动AI模型达到极限，随着提示扩展和复杂性增加，可靠性问题显现。\n\n这一经历促使行业更加关注精心设计上下文。像Claude Code和Augment Code这样的工具通过强调“知识预置”体现了这一推动，即为AI提供正确的背景信息，从而产生更一致、可靠的输出。这种方法不仅减少了大量重写的需求，还提升了整体生产力。使用生成式AI处理遗留代码库的一个意外教训是，有时较少的具体上下文反而有助于效果。将AI的视角从旧系统的混乱细节中抽象出来，打开了更广泛的解决方案空间，使AI更具创造性和生成能力。\n\n自主系统——设计为自主行动的AI代理——的兴起进一步复杂化了上下文挑战。与简单的脚本机器人不同，这些代理需要持续的人类参与以应对复杂且动态的环境。包括agents.md、Context7和Mem0在内的多项新兴技术，旨在通过将代理锚定到可靠的“参考应用”或真实基础来解决这些问题。对编码代理团队的实验也显示出潜力；与其让单个代理承载大量上下文，不如分配任务以减少复杂性并提升性能。\n\n随着这些实践的发展，行业标准如模型上下文协议和agent2agent（A2A）协议正逐渐获得认可，以统一AI模型和代理访问及共享上下文的方式。这些协议是否会成为通用标准尚不确定，但它们凸显了复杂AI生态系统中结构化协作的必要性。在人类层面，软件团队的策划共享指令等简单做法仍然出奇地有效，能够协调工作。\n\n展望未来，2025年的软件开发格局充满机遇与挑战。敏捷方法可能需要调整，以在灵活性与AI系统所需的坚实上下文基础之间取得平衡。尽管对AI取代工作的担忧持续存在，但对上下文的重新关注使软件工程师牢牢处于创新的中心。他们的实验、协作和学习能力将对塑造软件工程的未来至关重要。
