软件开发生命周期已死，软件质量管理怎么办？
关于AI对软件质量带来挑战我在很早推文就预测过，这次的技术进步不是“优化”而是“重构”。
现在，随着AI Agent智能编程技术以超出我预期的速度成熟，当初的预测正加速变成现实。我们不能再讨论“是否”会发生，而必须思考“发生之后”我们如何自处。
以下，就是我基于这个核心问题的一些思考。
1、智能编程让“软件生命周期已死”，我们该如何理解？
Boris Tane 的个人博客上发表一篇文章《The Software Development Lifecycle Is Dead》你看到的文章标题很惊悚，但内核很真实。它不是在说“开发软件”这件事消失了，而是说我们过去半个多世纪赖以组织工作的那套经典流程（SDLC）——需求、设计、编码、测试、评审、部署——其阶段边界正在AI Agent的工作流中崩塌、融合。
文章里描述得很生动：AI原生工程师不知道什么是“冲刺计划”，没等过“三天的PR评审”。他们的工作流是 “意图 → 构建（代码+测试）→ 观察 → 迭代” 的紧凑循环。需求收集和设计，变成了给代理提供上下文和方向的实时对话；编码和单元测试由代理同步完成；独立的测试阶段和阻塞式的代码评审变得低效且不必要。
那么，软件生命周期的核心意义变了吗？我认为，其终极目的没变：依然是“高效、可靠地交付有价值的软件”。但实现这个目的的核心手段变了：从管理一个庞大、线性、充满交接的流程，转变为为AI代理提供精准、高质量、可迭代的“上下文”。
生命周期不再是一个需要被严格遵循的流程，而是内化在智能体思考与行动中的“内在循环”。理解这一点，是我们讨论后续所有质量问题的前提。
2、CMMI、GJB5000B等传统质量模型面临的根本挑战
建立在经典SDLC之上的重量级质量模型，如CMMI、GJB5000B，正遭遇范式层面的冲击。它们的精髓在于通过规范化的过程，来保证结果的质量。其核心假设包括：
- 阶段清晰：工作可被划分为明确的阶段，阶段之间有定义良好的入口和出口准则。
- 文档驱动：各阶段的输出物（需求规格、设计文档、测试计划）是控制质量和追溯的基础。
- 变更受控：变更需要通过正式的流程进行评审和批准，以维持稳定性。
而在AI智能体驱动的开发中：
- 阶段模糊且并行：如前述，需求、设计、编码、测试高度融合，难以界定清晰的阶段边界。
- 文档滞后于代码，甚至可能被绕过。代理根据“意图”和对话上下文直接生成可工作的代码，事后的文档补写成了负担，而非必须的前置条件。
- 变更持续且高速：在一个紧凑的“意图-观察”循环里，调整和迭代是常态，“冻结需求”的成本变得极低，传统缓慢的变更控制流程将成为瓶颈。
这好比用管理马车运输的交通规则，去管理高速飞驰的磁悬浮列车。原有的度量（如文档完备率、阶段评审通过率）可能失去意义，而新的质量风险（如上下文误导、代理的隐蔽逻辑错误、高速迭代下的系统性偏差）却缺乏管控手段。传统模型不是“错了”，而是其运行的基础环境正在被掏空。
3、重构基础假设：从“基于过程”到“基于结果与目标”
要应对挑战，质量管理的基础假设必须重构。重心需要从 “你是否按照我规定的好过程在做？” 转向 “你是否达成了我们共同期望的好结果？” 以及更深层的 “你的行动是否始终对齐最终目标？”
- 基于结果（Outcome-based）：质量的门槛应更多地定义为最终可验证的结果，而不是中间产物的形式。例如，与其检查“测试用例文档是否齐全”，不如关注“线上错误率是否低于阈值”、“用户核心任务成功率是否达标”。质量保障活动应成为验证这些结果是否达成的“探测器”和“安全网”。
- 基于目标（Goal-oriented）：在快速迭代中，确保每一次改动都不偏离最初的业务目标和架构约束至关重要。质量管理需要内化为对AI代理“意图”输入的校验，以及对输出是否对齐业务目标的持续评估。这要求QA人员必须更深入地理解业务和系统架构。
在新的范式下，质量管理的核心输入从“过程文档”变为“清晰的意图与高质量上下文”；其核心活动从“审计与评审”变为“设计验证目标、构建自动化质量门禁、分析系统反馈”；其核心保障从“阶段评审会”变为“全链路、可行动的可观测性（Observability）”闭环。
4、新生命周期下的质量内涵：可观测性即生命线
在“意图-构建-观察”的循环中，“观察”环节成为质量的核心枢纽。监控/可观测性是唯一被强化的SDLC阶段。传统的、面向人类仪表盘的监控已无法应对AI代理每日可能产生的海量变更。
未来的质量体系，必须建立在以机器可消费、可行动的可观测性数据为核心的反馈环上。这意味着：
- 质量指标内嵌：将性能、安全、稳定性、业务正确性等质量指标，直接作为“观察”环节的验证标准，并自动化采集。
- 自动归因与修复：当观测到质量偏差时，系统应能自动定位根因，并触发修复流程（如告警、自动回滚、或交由另一个代理生成修复方案）。
- 上下文持续注入：将观测到的生产环境状态、用户反馈、错误模式，作为新的、更丰富的上下文，反馈给开发代理，驱动下一轮“构建”的优化。
质量管理的职责，就是设计和维护这个自我强化的高质量闭环，确保“观察”的眼睛足够亮，“反馈”的神经足够快。
5、QA人员的价值重构：从过程警察到系统医生
这是最现实的问题。如果测试执行被自动化，评审流程被重构，QA的传统价值何在？我认为，价值不是消失，而是升维和迁移：
- 从“执行者”到“上下文工程师”：最重要的新技能之一是 “上下文工程” 。QA需要确保输入给AI代理的需求、约束、边界条件和验收标准是无歧义、可验证、高质量的。这比编写测试用例要求更高的抽象和沟通能力。
- 从“找Bug”到“设计质量”：工作重心前移，专注于定义基于结果的质量目标，设计复杂的集成、混沌和场景化测试策略，这些是AI代理目前不擅长的。同时，设计那些能让AI代理进行自我验证和对抗性审查的机制。
- 从“质量审计员”到“异常猎人”与“可靠性布道者”：当99%的常规问题被自动化闭环处理时，QA的独特价值在于捕捉那1%的、复杂的、跨系统的、非确定性的深层异常。他们需要像侦探一样，通过可观测性数据洞察系统深处的暗伤。同时，他们需要在组织内推动建立以可观测性和快速反馈为核心的新质量文化。
- 从“流程守护者”到“风险模型构建师”：为高速迭代的AI驱动开发构建动态的风险模型，识别哪些领域、哪些类型的变更风险更高，从而施加不同级别的上下文校验或人工监督。
总而言之，软件生命周期并未消亡，而是进化成了一种更紧密、更生物化的形态。 软件质量管理的“体” （经典流程和阶段）或许在消融，但其“魂” （保障最终交付价值的可靠性）比以往任何时候都更重要。QA从业者的挑战在于，必须亲手打破自己熟悉的“旧世界”的墙，在“意图-构建-观察”这个充满活力的“新世界”里，找到自己作为系统诊断者、质量策略家和可靠性文化奠基人的新坐标。
这条路不容易，但也是唯一值得走的路。因为，当机器接管了“建造”的重复劳动时，人类的价值将更彻底地回归于“思考”、“判断”和“守护”。
本文作者：宋荆汉
