MortiseAI 创业日志 #002 我看到

先说结论：很多人误以为写代码只是把需求转化为实现，认为 AI Agent 只要能理解需求并生成代码，便能取代人类程序员。实际上，这种看法极大低估了编程的复杂度。

‘外行视角 vs. 真实过程’

在大众看来，程序员开发流程大致是线性顺序（见图 1）：

可真实情况却要复杂得多（见图 2）：

在这个思维路径里，从拆解需求直接跳到最终代码是一种“思维跳跃”。然而对外界（尤其是非开发团队）来说，他们往往只看到“从左到右的一步步前进”，并不知道其中的架构思考和反复迭代。

架构师角色的关键性

编程不是单纯敲代码，更重要的是前置的架构设计。

• 如果说普通程序员是大脑的“系统 1”（快思考），那么架构师就是“系统 2”（慢思考）。

• 架构师不仅要编写代码，还要建立并维护软件整体的技术体系，包括需求分解、代码架构、测试流程、运维排查、团队协作等。

很多人将架构师视作“高级程序员”，但事实上，架构师更像指挥官，带着自有的技术体系（Know-How）运转整个团队。最难的部分就在于如何让团队在步骤 1 时就实现高度一致，即统一“思想钢印”。一旦整个团队在起点达成一致，再复杂的项目也能随着时间逐渐成熟、形成飞轮效应。

以我过去组建移动中台团队的经历为例：

• 起初要求大家“统一思想钢印”时，受到很多反对，因为这会限制个人发挥。

• 但随着一致性规范的推行，团队效率从原先的“月发版”提升到“周发版”，工单率从“千分之八”降低到“万分之五”，核心功能（如 CPU、GPU 渲染）的性能也提升了 30%。

AI 要替代的难点：如何做“架构师”

真正的难题不在于替代普通程序员，而在于如何替代架构师。• 架构师需要在初期就给团队打下“思想钢印”，并持续维系这套技术体系。• 如果 AI Agent 要成为团队的“架构师”，就必须具备从零开始设计技术体系并在实际项目中运用的能力。

让 AI 成为团队“架构师”两条可行路径

依靠 LLM（大型语言模型）的学习能力，赋予 AI 架构师水平。但这条路难度极高，原因在于现有模型训练数据中充斥着大量“实现层面”的示例，而架构设计更需要抽象思维和全局把控。
基于 AI 特性，设计通用的系统架构，并围绕其构建一整套“AI First” 工具链。这也同样不易，需要非常丰富的软件设计和实践经验，才能保证架构能够支撑真实业务场景。

MortiseAI 选择了第二条路，是因为我们积累了长期的软件设计与实践经验，能够在充分理解架构需求的前提下，依托 MLC 引擎为基座，搭建并验证这条“AI First” 的工具链。