2026 年软件工程现状：哪些变了，哪些没变

在 2026 年 9 月的 LDX3 大会上，Gergely Orosz 分享他与 AI 实验室、大型科技公司及创业公司的交流。这些例子反映的是特定组织，并非整个行业的代表性调查。

Orosz 观察到，在他走访的组织中，AI 生成代码和同时运行多个智能体已很常见。他举出工程师并行处理多个任务的例子，同时指出知名 AI 公司是尤其激进的采用者。

许多公司正在构建自己的智能体工作框架。他描述了协调工作、在云环境中运行并融入公司开发流程的工具；不同组织会作出不同取舍。

他举出 AI 辅助迁移的例子，包括 Airbnb 和 Asana 的测试库迁移。Asana 的项目也受益于此前数年的工作，因此不能脱离这一背景理解短期迁移时间。

一些组织报告项目团队变小，因为单个工程师会协调多个智能体。Orosz 同时强调团队仍然重要：团队负责软件、分担值班并在成员缺席时相互补位。

规划和测试仍然必要：更快地构建错误的东西依然是浪费，生成的代码也需要验证。他讲述一个团队的经验：即便实现代码由 AI 编写，测试仍需投入大量精力。

Orosz 说代码和拉取请求的增长冲击了既有假设与基础设施。他也观察到自己使用的产品存在可靠性问题；这些个人观察本身不能确定问题的原因。

他介绍公司报告的 CPU 供应紧张和较长交付时间，以及工程管理者面临的压力。这些是特定时期的报告和访谈，并非对所有云区域或雇主的普遍断言。

展望未来，Orosz 预计云端智能体、重构和 AI 成熟度投入会增加。他建议工程师和管理者保持实践，构建支持性基础设施，并用 AI 促进学习，保留自己的理解。