跳到主要内容
目录

软件工程的来龙去脉:为什么流程长这样

「软件工程」这个词听起来像营销词。1968 年 10 月,在德国 Garmisch 召开的 NATO 大会上,一群人把它当作正式学科的名字提了出来——报告的标题页写得很直白:「SOFTWARE ENGINEERING,Report on a conference sponsored by the NATO Science Committee,Garmisch, Germany, 7th to 11th October 1968」。软件工程的来龙去脉讲的就是这个学科如何长成今天的样子:为什么会有需求分析、契约、建模语言这一整套东西,它们各自解决的是哪个具体的困境。

这个名字当时带着挑战意味:能否像对待其他复杂工程一样,有组织、有依据地开发和维护软件,而不是只靠少数高手的个人经验。

六十年过去。这个学科积累的很多方法今天仍在用,但也有不少只剩下了形式。读经典的意义在于区分:哪些做法依赖当年的工具条件,哪些洞见至今成立。

本文整理自南京大学《生成式软件工程》2026 秋第 5 讲「软件工程的来龙去脉」(主讲:jyy),原始讲义。

一、软件危机不是软件太多造成的

回到 1960 年代,软件还是新生事物。编程工具不成熟,写程序需要大量专门知识,程序员很贵——当然,计算机硬件往往更贵。

更根本的是能力的错配:一个人擅长编程,并不自动意味着他理解客户的业务目标,或者能设身处地地理解使用者。 客户同样未必知道计算机能做什么,更难直接给出一份没有歧义的技术规格。

软件企业承担的任务,就是把客户的意图翻译成可以工作的系统。Intent、Spec 和 Impl 之间的差距,从一开始就存在。

软件需求还有很强的定制性。同样叫「选课系统」,有的学校先到先得,有的抽签,有的给本专业学生预留名额。必修课不满足时是否允许例外,谁来批准?有人退课后,空出的名额给候补学生,还是重新开放抢选?这些差别对应的是学校的制度和责任分配。「做一个选课功能」还远远没有把需求说完。

当时的人已经对计算机抱有很高的期待。1968 年 9 月的《Boys’ Life》描绘了「明日学校」:计算机参与评分、发现学生的薄弱环节,让学生按自己的节奏学习。这些想象今天读来依然熟悉——可是,从「因材施教」到系统实现,中间还有许多决定:怎样判断一个学生掌握了知识?答对一次算不算?做题快是不是理解得好?教育愿望不会自动变成清晰的程序规格。

人们想做的事情越来越多,开发进度、成本、质量和维护却越来越难控制——这些现象被称为软件危机。

值得留意的是:更快的机器并没有自动消除危机,反而让它开始尝试规模更大、要求更高的系统。

二、Dijkstra:结构应该帮助人理解执行过程

Dijkstra 在 1972 年的图灵奖演讲 The Humble Programmer 里回忆,1957 年结婚登记时,「程序员」还不能被接受为一种职业,他最后填写的是「理论物理学家」。十几年之后,软件已经成为一个必须认真面对的大问题。

他在 Go To Statement Considered Harmful 中对 goto 的批评,不是语言风格之争:人的推理能力有限,代码的结构应该帮助人理解执行过程。

这条判断到今天依然成立,而且在大模型辅助编程的语境下多了一层意思——生成代码的速度变快了,但理解代码结构的能力并没有同步变快。代码量增长速度超过审查速度时,结构就是唯一还能约束理解速度的东西。

三、阿波罗 11 号的 1201 警报

Margaret Hamilton 及其参与的阿波罗软件工作,是理解软件工程的一个具体入口。登月软件面对的要求不只是「算法算得对」,还包括有限的存储空间、严格的时间要求,以及意外发生时还能做什么。NASA 的 Hamilton 介绍记录了这一工作。

阿波罗 11 号登月过程中出现了 1201、1202 程序警报。按照参与者在《Apollo 11 Program Alarms》中的回忆,程序在资源不足时重新初始化并恢复关键任务,使发动机控制等重要工作得以继续。这个恢复机制事先经过了大量测试,地面人员也因此才能判断该继续任务。

这件事把「正确」的含义向前推进了一步。只考虑正常路径,程序可以很漂亮;把资源限制、异常情况、恢复能力和人的操作一起考虑,才是在构造一个能够交付的系统。

四、Royce 真正在担心什么

Winston Royce 在 1970 年发表了 Managing the Development of Large Software Systems。他讨论的背景是航天器任务规划、指令和任务后的数据分析,核心问题很直接:怎样按时、不超预算地交付大型软件?

这篇文章画出了后来与「瀑布模型」联系在一起的阶段图:先分析需求,再设计、编码、测试,最后投入运行。

但只记住这张图,很容易把文章读反。 Royce 随后就指出,照这样简单地推进风险很大,很容易以失败告终。

原因是,这种流程隐藏了一个乐观假设:即使需要返工,也主要发生在相邻阶段之间。 编码时发现局部设计不好,就修改设计;测试时发现代码错误,就回去改代码。只要回退范围不大,进度似乎仍然可控。

问题是,实际测试可能暴露的根本不是一个局部编码错误。Royce 最锋利的观察在于:运行时间、存储占用和输入输出等约束,常常到了测试阶段才第一次真正被「经历」,此前只是被「分析」。 对复杂系统而言,分析很难准确预测运行时会发生什么。

一个控制算法在数学上完全正确,却无法在规定的控制周期内完成。此时改几行指令可能毫无帮助,需要更换算法、重新划分任务,甚至重新协商系统原本承诺的功能。问题就从测试一路回到了设计和需求。此前围绕旧假设完成的大量工作,都可能需要重做。

Royce 的建议之一是 「do it twice」:在正式交付之前,先用一个 pilot model,也就是试验性系统,尽早接触那些最危险的不确定性。第一次实现的价值,在于让实际运行给设计提供反馈。

用今天的语言看,这与 MVP 有共同之处——先花有限的代价获得证据,再决定后续投入。但两者的关注点并不完全相同:MVP 常用来检验用户需求和产品假设,Royce 的 pilot 尤其关心大型系统的技术和运行风险。

五、把开发流程看成数据依赖图

课堂给出了另一种理解阶段图的方法:把它看成一张数据依赖图。

设计需要消费需求中的信息,否则设计会沿着自己的想象漂移;实现依赖设计和规约,否则不同模块可能各说各话;运行测试需要实际实现,判断结果是否正确又需要需求或规约提供依据;交付后的使用和维护,则不断产生新的事实,推动下一轮变化。

这些依赖真实存在,但它们并没有规定所有需求必须一次写完,所有设计必须一次完成,也没有规定每个阶段只能经过一次。完全可以只选一小部分需求,完成对应的设计、实现和验证,再根据反馈扩展。

测试驱动开发(TDD)进一步提醒我们分清两种工作:写出期望行为,与执行程序检查行为。前者可以发生在实现之前,后者需要实现。先写一个测试用例,往往就是在澄清需求:空输入该返回什么?余额不足该发生什么?同一个请求重复提交算几次?

于是,比较开发方法时,一个有用的问题是:关键反馈会在什么时候到来,在它到来之前,有多少工作已经建立在未经检验的假设上? 原型、MVP 和短周期迭代,都可以从这个角度理解。它们帮助我们调整工作的顺序,控制错误假设影响的范围。

六、方法和工具怎样减少返工

软件工程为不同阶段创造了不同的表达方法和工具,这些方法往往迫使我们回答一些容易遗漏的问题。

商店说「学生有优惠,满一定金额也有优惠」,把条件列成决策表,就必须决定学生折扣能否与满减叠加,门槛按原价还是折后价计算。表格本身并不复杂,它的价值在于把含糊的组合情况摆到了人面前。

QuickCheck 所代表的基于性质的测试,则让我们先表达一类输入都应该满足的要求,再生成输入寻找反例。以排序为例,「输出有序」还不够——一个永远返回空列表的函数也满足它。还需要要求输出保留输入中各个元素及其出现次数。写性质的过程,也是在发现自己究竟想让程序做什么。

需求可追踪性关心的是另一类遗漏:需求、设计、实现和测试之间是否还保持联系。假设退课规则改成「仅开学第一周允许」,我们需要知道哪些界面、权限检查、状态迁移和测试受到影响。把这些关系维护起来,才能从一项变化找到受影响的工作。NASA 的需求管理说明讨论了这类追踪关系。

这些例子的共同作用,是让决定更明确,让矛盾更早暴露,让后续工作有可以依赖的依据。

七、AI 补全了什么,差距移到了哪里

回到软件开发。Intent 是人的意图,Spec 是明确写下的要求,Impl 是满足要求的实现。我们把这些内容存成文件系统的快照,不断推出新版本,直到软件符合需求。多人从同一版本出发,自然会出现分叉;不同修改重新汇合,自然会遇到冲突。

面对一句「我想要一个办公助手」,今天可以先生成一个最小可行产品,让人实际使用,再继续修正。原型把抽象的想象变成了可以点击、可以批评的对象。

这个过程之所以快,是因为模型替我们补齐了大量没有说出口的决定:界面如何组织,数据如何保存,操作失败时如何反馈。第一次演示很顺利,只能说明这些决定在演示场景下能够组成一个可运行的系统。它们是否符合用户真正的需要,还要继续检验。

在大语言模型出现以前,补齐这些细节需要昂贵的人力。接到任务就立即安排所有程序员写代码,往往会让不同的人沿着不同的理解前进。等代码拼在一起,大家才发现「同一个需求」在每个人脑海里根本不是同一件事。

但规约与实现之间的差距仍然存在。规约约束允许出现的行为,具体实现则要选定数据结构、算法、状态更新和异常处理方式。一个并发实现本身也会有多种执行轨迹,所有相关行为都应当落在承诺的边界内。

当用户没有说明「支付超时后怎么办」,模型为了完成程序,往往会选一种处理方式。第一次可能等待,第二次可能自动重试,第三次可能直接返回失败。三份代码都能运行,接口看起来相同,正常路径的测试甚至全部通过,但它们已经包含了不同的业务决定。

这就需要有人持续维护三类信息:已经决定的行为,明确禁止的行为,以及尚未决定的行为。

承诺可以先写在自然语言里,再根据问题的代价和工具能力,落实为接口契约、状态机、断言、测试或验证条件。它们需要能独立于某次聊天和某份实现被保存、检查,并在需求变化时一起更新。

AI 越能快速生产代码,这个接口就越值得认真设计。

八、能力边界在移动,但有些事不变

课堂把 AI 描述为一条不断移动的「斩杀线」:如果一句话就能稳定得到满足全部要求的高质量产品,相应那一段软件工程工作就失去了原来的必要性。

这个推演有一个前提:计算资源和模型能力仍能持续改善。 沿着 The Bitter Lesson 的思路——能够持续吸收更多计算资源的通用方法,往往会超过依赖人手编码领域知识的方法。

但有一类工作的性质值得单独留意:能力反馈的可靠性。 写程序至少可以运行测试,数学证明可以检查推导;选择研究方向、澄清需求、管理长期记忆,看起来更难评价。

而「难以评价」也未必意味着永远无法训练。研究方向可以通过后续实验检验,需求澄清可以通过最终交付是否符合用户意图来评价。反馈可能更晚、更贵、更有噪声——这些都是工程问题,不是不可解的问题。

眼下,需求澄清、任务拆分、接口协调和验收结果,就是把很多局部能力组织成一个产品时绕不开的工作。这些工作的共同点是:它们的价值不体现在单次产出,而体现在让其他人的工作可以被依赖。

相关阅读

赞赏

如果这篇文章帮到了你,欢迎请我喝杯咖啡。

  • 微信赞赏二维码,用微信扫一扫

    微信支付

  • 支付宝赞赏二维码,用支付宝扫一扫

    支付宝

金额随意,感谢支持

赞赏

如果这篇文章帮到了你,欢迎请我喝杯咖啡。

  • 微信赞赏二维码,用微信扫一扫

    微信支付

  • 支付宝赞赏二维码,用支付宝扫一扫

    支付宝

金额随意,感谢支持