AI 代理正在颠覆传统的软件开发生命周期（SDLC），使其并非变得更快，而是彻底消亡。过去线性的需求、设计、编码、测试和部署等独立阶段，如今已融合成一个由意图驱动的紧密循环。在这个新模式下，人类提供意图和高质量的上下文，AI 代理则负责构建、测试和部署，而监控系统提供实时反馈以驱动迭代。最终，软件开发的核心技能将转向上下文工程和构建闭环的自动化监控系统。
你所熟知的软件开发生命周期已成往事
我们大多数人学习的传统软件开发生命周期包含以下离散、线性的阶段：
- 需求
- 系统设计
- 实现
- 测试
- 代码审查
- 部署
- 监控
每个阶段都有其独立的工具和仪式，例如用 Jira 管理需求，用 GitHub 进行代码审查，用 Datadog 进行监控。整个过程充满了交接和等待。
然而，当工程师与 AI 编程代理协作时，工作流发生了根本性变化。这些阶段并没有简单地提速，它们融合了。代理不区分自己处于哪个步骤，因为步骤已不复存在，剩下的只有意图、上下文和迭代。
对于那些在 AI 工具出现后才开始职业生涯的工程师来说，他们从未经历过冲刺规划或为代码审查等待数天。他们不受这些仪式的束缚，直接投入构建。
传统阶段的瓦解
让我们逐一审视传统 SDLC 的每个阶段，看看还剩下什么。
需求收集： 过去，需求是预先定义和冻结的。现在，当 AI 代理能在几分钟内生成完整功能时，提前规定所有细节已无必要。需求不再是一个阶段，而是迭代的副产品。像 Jira 这样的工具，其作为项目管理工具的价值正在减弱，因为它追踪的是已不存在的阶段。
系统设计： 设计不再是编码前的规定动作，而是在与 AI 代理的实时对话中被发现的过程。AI 模型见过的系统架构远超任何个人，它能根据你描述的问题建议更优的架构。你仍然需要判断力，但这是一种协作，而非指令。
实现： 这很明显，现在是 AI 代理的工作。它们编写完整的功能、处理错误和边缘情况。人类的角色转变为审查、提供上下文和引导方向。
测试： 测试与代码编写同时发生，而不是后续步骤。测试驱动开发（TDD）不再是一种方法论，而是 AI 代理工作的默认方式。独立的质量保证（QA）职能也因此消失了。
代码审查： 拉取请求（PR）的工作流需要被放弃。
在代理驱动的世界里，坚守拉取请求工作流不是严谨，而是一场身份认同危机。
当一个代理每天能生成数百个变更时，依赖人工审查会造成巨大的瓶颈。审查的未来必须重塑：要么由代理根据规范自检，要么由另一个“对抗性”代理来审查第一个代理的输出。人工介入只应发生在自动化验证无法解决的例外情况。
部署： AI 代理能自动编写复杂的部署流水线，实现功能开关、金丝雀发布和自动回滚。代码的部署与发布实现了解耦。代码一旦通过验证就会被持续部署到生产环境，但其是否对用户可见（发布）则是一个独立的商业决策。
唯一幸存的阶段：监控
监控是 SDLC 中唯一幸存的阶段，并且它成为了整个新体系的基石。当代码发布速度超过人工审查能力时，可观测性系统就成了最主要的安全机制。
然而，为人类设计的监控平台（如仪表盘和警报）在新模式下会成为新的瓶颈。
没有行动的监控只是昂贵的存储。
未来的监控系统必须是闭环的。遥测数据不应再发送给人类的寻呼机，而应直接作为上下文反馈给产生代码的 AI 代理，使其能够自动检测问题并进行修复。
新的生命周期：一个更紧密的循环
旧的生命周期是一个宽泛、线性的循环。新的生命周期则是一个紧密的循环：意图 -> 构建 -> 观察 -> 重复。
- 人类提供意图和上下文。
- AI 代理构建、测试和部署。
- 自动化系统观察生产环境。
- 反馈驱动下一次迭代。
在这个循环中，没有工单、没有冲刺、没有故事点、也没有等待审查的拉取请求。
那么，最终还剩下什么？答案是上下文。你用 AI 代理构建的成果质量，与你提供给它的上下文质量成正比。软件开发生命周期已死。新的核心技能是上下文工程，而新的安全网则是自动化监控。