让架构做架构,让开发做开发,让测试做测试,让运维做运维。
这篇文章是一种开放式推演,不是对行业终局的断言。我真正想讨论的是:专业分工能否发生在模型训练层,而不只是 Agent 的角色编排层。
从分词器想到企业研发分工
晚上读《图解大模型》第二章,看到词元、特殊词元和文本嵌入,我一直在想一个问题:模型理解世界的基本单元,会不会随着任务变化而变化?
分词器把连续文本切成 token,再映射成 id。 token 是语言模型处理文本的基本单元,但在企业级开发中,我们日常打交道的基本单元往往不是 token,而是函数、接口、服务、组件和它们之间的依赖关系。
一个需求进入企业,通常会经过一条熟悉的流水线:架构师负责拆解与设计,开发负责实现,测试负责验证,运维负责发布和运行保障。
然而今天很多编程 Agent 的分工方式,是给同一个通用模型换一段提示词:
你是一名资深架构师。
你是一名资深开发者。
你是一名资深测试工程师。
这当然有用,而且成本低、灵活、容易验证。但我也越来越清楚地看到它的边界:提示词可以改变模型当下扮演的角色,却不等于模型在参数层面真正形成了不同的专业能力。
于是产生了一个更激进的设想:未来企业级 AI 编程的分工,是否可以从通用模型出发,通过领域继续训练、微调和后训练,形成真正不同的专用模型?
不是 Agent A 扮演架构师、Agent B 扮演开发者,而是 A、B、C、D 在训练阶段就走向不同方向。
先放下一个诱人的简化:一个函数对应一个 token
这个思路最初是从“函数能不能成为 token”开始的。
代码高度结构化,又由大量短小的函数组合而成。如果能把一个原子化函数映射成一个 token id,模型面对需求时,是否就可以直接组合函数,而不必从底层逐 token 写代码?
这个想法很诱人,但很快会遇到泛化问题。企业里的函数数量庞大且持续变化,函数的语义还依赖参数、返回值、调用上下文、异常、事务和副作用。把它们全部固化进词表,就像试图给每句话分配一个 token:词表会膨胀,组合规律会消失,未见过的实现也难以表达。
所以更可行的路径不是把函数变成 token,而是:
把函数、API 和组件封装成模型可发现、可理解、可调用、可验证的能力单元,让模型生成调用与编排计划。
组件仍然是可执行、可测试的工程资产,而不是词表里的静态条目。模型需要理解的是它们的契约和组合方式。
从这个角度看,企业级 AI 编程的关键就不只是 tokenizer,而是模型如何理解组件、如何训练分工能力,以及如何通过工具完成真实交付。
核心设想:分工发生在模型训练层
我设想中的四类模型,不是四个提示词 persona,而是四种可以用不同数据、训练目标和评估集分别优化的专用模型。
它们不必都从空白开始预训练。更现实的起点是通用底座,再根据角色进行领域继续训练、指令微调或后训练。关键不在于参数是否从零初始化,而在于:能力是不是在训练过程中形成,而不是靠一句“你现在是专家”临时获得。
A:架构模型——学习怎样做系统判断
架构模型的训练数据,不应只有代码。它还需要企业系统文档、领域模型、架构决策记录、设计评审、优秀行业案例、事故复盘,以及方案被接受或否决的原因。
因为架构并不只是画出模块图。真正的架构能力包括:
- 把业务需求拆成边界清晰的系统能力;
- 判断哪些组件应该复用,哪些必须新建;
- 在一致性、性能、成本、复杂度和交付周期之间做权衡;
- 识别数据流、依赖关系和关键故障路径;
- 解释为什么一个看似优雅的方案,在当前组织里落不了地。
它的输出也不应只是“生成一份架构图”,而应包括组件契约、依赖约束、实施顺序、验收标准,以及关键取舍的证据。
这意味着架构模型需要自己的评估集。不能只看文字像不像专家,还要评估方案是否可执行、是否遗漏关键约束、是否过度设计,以及后续集成是否真的更顺利。
B:开发模型——把契约变成可靠实现
开发模型负责把架构模型给出的函数契约变成代码。它更关注局部实现能力:算法、语言特性、仓库规范、错误处理、测试修复和代码可维护性。
它拿到的任务不应该只是一句“实现退款逻辑”,而应是一份足够明确的契约:
输入和输出是什么?
允许依赖哪些组件?
异常和边界条件是什么?
性能与事务要求是什么?
必须满足哪些测试?
开发模型可以擅长把一个小而清晰的问题做好,不必同时承担整个企业的架构决策。架构模型也不应越界替它编造所有实现细节。
C:测试与验收模型——学习怎样证明系统不值得信任
测试模型并不是简单地多生成几个单元测试。它需要学习怎样寻找需求与实现之间的缝隙:边界条件、并发竞争、数据异常、权限绕过、回归风险和“看起来对但其实不符合业务语义”的情况。
确定性验证仍应交给工具:编译器、测试框架、静态分析、覆盖率工具和性能压测。测试模型的价值在于设计实验、分析失败、判断证据是否充分,以及把问题反馈给正确的角色。
它还应具备一点“唱反调”的能力。否则开发模型交付什么,验收模型就赞美什么,这不是闭环,只是形式审查。
D:运维模型——对系统上线后的行为负责
运维模型需要理解部署拓扑、配置、日志、指标、链路追踪、发布策略、回滚预案和运行手册。它的目标不是“把服务启动起来”,而是让变更在真实环境中可控地生效。
它应知道什么时候适合灰度,什么时候必须暂停发布,磁盘打满和 CPU 飙高分别可能关联哪些变更,以及什么证据支持回滚。
但运维模型的权限必须比建议能力更谨慎。模型可以给出诊断和操作计划,真正执行高风险动作仍需要确定性的策略限制、审批和审计。
三种信息,应该放在三个不同层次
这个设想最容易被误解的地方,是“把所有企业资料都拿去训练模型”。我认为需要把信息分成三层。
模型权重:沉淀稳定的方法。 例如架构原则、编码模式、测试方法、故障分析思路和行业优秀案例。这些适合通过训练形成能力。
运行时上下文:描述正在变化的事实。 当前仓库、实时架构图、服务依赖、线上指标、组织权限和配置状态,不适合只固化在权重里。它们更新快,而且直接决定当前判断是否正确,更适合由代码图谱、知识库、检索和工具实时提供。
Agent 编排:推动角色与工具协作。 Agent 仍然重要,但不再只是把一句角色提示词塞给模型。它要负责路由任务、传递契约、调用工具、保存证据、控制权限,并在失败时决定反馈给哪个模型。
一句话概括:
权重负责内化方法,上下文负责描述当下,Agent 负责让协作真正发生。
一次需求,怎样流过这支模型团队
假设要给订单系统增加退款能力。
架构模型首先读取当前系统结构和业务约束,判断退款应该独立成服务还是放在订单域内,给出状态流转、金额计算、幂等要求、事务边界和验收条件。它还要明确哪些现有组件可以复用,哪些缺口必须补写。
接着,运行时系统根据这份计划检索已有函数、API 和组件。能够复用的直接复用,不能复用的形成清晰的开发契约。
开发模型只负责补齐缺失部分,并提交实现和初步测试。随后,编译器和测试框架先执行确定性检查,测试模型再补充边界场景、审查失败证据,判断是否真的满足退款语义。
如果测试发现“金额可以退成负数”,问题返回开发模型;如果发现“现有订单状态机根本无法表达退款”,问题就应该返回架构模型,而不是让开发模型继续局部补丁。
最后,运维模型评估发布方案:数据库变更是否兼容、是否需要灰度、观察哪些指标、出现什么情况必须回滚。上线后的真实指标再反馈给整个系统。
这条链路里,每个角色都可以被追问,每个结论都应该留下证据。 模型分工的价值不在于显得更像一个组织,而在于让错误能够被路由到正确的层级。
为什么一定要分开训练?
通用模型继续变强,当然可能覆盖这些能力。所以“专用模型分工”不是必然答案,需要拿数据证明它是否值得。
它可能有几个优势:
- 训练目标更清晰:架构模型不必为了生成漂亮代码而牺牲系统判断,测试模型也不必迎合实现;
- 评估更专业:每个角色都能建立自己的基准,而不是只看最终代码能不能运行;
- 成本和时延可控:部分任务可能由较小专用模型完成,不必所有请求都调用最大的通用模型;
- 独立升级:代码模型升级不必同时改变架构和运维行为,更容易做回归;
- 职责与权限更容易治理:架构建议、代码修改、验收结论和生产操作可以分别控制。
但代价同样真实:模型数量增加会带来部署、版本兼容、数据治理和接口维护成本。一个角色的错误还可能被下一个角色放大。接口如果定义不清,架构模型一句“这个很简单”,就可能让开发模型在错误契约上高速生产垃圾。
所以真正困难的也许不是训练出四个模型,而是建立它们之间可靠、可验证、可追溯的协作协议。
还要把训练成本的变化算进去
这个推演里还有一个会变化的变量:大模型本身的训练技术与硬件能力也在持续迭代。
我倾向于认为,获得同等模型能力的单位训练成本,有望逐步下降。 硬件算力、混合精度、分布式训练、显存优化、参数高效微调、数据质量和知识蒸馏都在发展。今天看起来昂贵的专用后训练,未来可能会成为更多企业可以承担的常规工程动作。
但这不等于“所有模型的训练总成本都会下降”。前沿模型仍可能通过更大的参数、数据和算力投入不断抬高上限。更准确的判断是:同一能力的获取成本可能下降,而人类追求能力上限的总投入仍可能增加。
这对专用模型分工是一个有利条件。架构、开发、测试和运维模型不必重复从零预训练,可以共享通用底座,只针对各自的能力缺口做继续训练和后训练。随着这类训练变得更便宜、更稳定,多专用模型的部署和维护成本也有机会下降。
因此,是否拆分模型不能只按今天的训练报价判断,还要同时看两条曲线:一条是专用训练能提升多少能力,另一条是获得这些能力的成本正在怎样变化。当专用训练的收益足够明确,而单位成本持续下降时,模型团队才可能从少数机构的实验,变成普通企业也能选择的工程方案。
可以从哪里开始验证
这条路不需要一上来就训练四个基础模型。更稳妥的做法是分三步:
第一步,先用同一个通用底座承担不同角色,把真实工作流跑通,保存需求拆解、架构方案、实现、测试失败、返工和最终验收数据。
第二步,用这些数据找出角色之间的能力差异。如果架构失败主要源于缺少企业判断,而不是缺少提示词,就针对架构模型做领域继续训练和专项评估;如果开发主要败在局部实现,就优化开发数据和测试反馈。
第三步,只有当专用训练在独立基准上稳定优于提示词角色,再拆分模型、独立部署。否则,一个强通用模型加良好编排,可能就是更经济的答案。
这也是我认为这条路线最科学的地方:先证明分工确有必要,再为分工训练模型,而不是因为“模型团队”听起来先进就制造复杂度。
终极形态,不是无人研发
我不认为企业级 AI 编程的终极形态只是“需求进去,系统出来”。需求本身有歧义,架构需要承担取舍,生产变更需要有人负责。人类仍然要决定目标、边界、风险接受程度,以及什么时候不该做一件事。
但模型承担的角色可能会真正发生变化:从统一的文本生成器,变成经过不同训练、拥有不同能力边界的工程角色。
到那时,我们谈的可能不再是一个模型多会写代码,而是一整套模型化研发系统:
- 架构模型负责系统判断;
- 开发模型负责具体实现;
- 测试模型负责寻找反证;
- 运维模型负责稳定运行;
- Agent 负责协作与治理;
- 人类负责方向、责任和最终取舍。
让架构做架构,让开发做开发,让测试做测试,让运维做运维。
这句话真正吸引我的,不是它听起来像一个全自动研发团队,而是它指向了一种新的工程分工:不仅代码组件可以复用,能力本身也可以被训练、评估、版本化,并以模型的形式参与组织协作。
如果这条路线成立,企业级 AI 编程的变化就不只是“代码写得更快”,而是研发能力开始以另一种方式被生产和组织。
评论