AI现在越来越快，在软件构建领域发挥着重要作用，不过它的影响可不止一点点。开发者们现在经常因为要相信AI代码而感到焦虑。很多公司还没准备好接受这种改变呢。DevOps研究与评估DORA的2025年报告《AI辅助软件开发现状》揭示了一个事实：仅仅把AI工具引入工作流程并不意味着软件交付效能就会自然提升。AI更像是把现有的工程能力放大，但也把一些弊端给暴露出来了。像开发流程不规范、系统架构有问题，这些问题在应用了AI之后就更明显了。 不过报告也指出，虽然AI能提升产出的速度和数量，但要是缺乏规范的工程纪律，这些好处就没法转化为真正的效能。如果你手头的工具乱七八糟、流程不清晰，那AI反而会给你带来更多麻烦。技术债会累积得更快，代码审查也变得复杂起来，系统稳定性也跟着下降。这种情况说明：AI的表现取决于它所使用的工程系统质量。 给你个好消息：如果你的团队已经有了成熟的DevOps实践、清晰的开发流程和强大平台能力，那AI确实能帮助你们把生产力转化为可量化的交付改进。反之呢？如果基础工作没做好，那AI可能让事情更糟。在这种环境里，工具碎片化和实践不统一只会让问题更严重。 所以这次报告提出了DORA AI能力模型。这个模型不单单是告诉大家用什么工具或者技术，而是把一些组织能力提炼出来，这样才能真正让AI创造价值。 第一个能力是建立清晰的组织战略。那些用AI成功的公司通常都会制定明确的政策和指南来规范AI工具使用、治理方式以及与工程流程的集成。这样一来团队才能一致地采用AI，避免出现乱试错的情况。 基础工程实践依然很重要！成熟的版本控制流程、规范的代码审查机制还有统一的开发标准是AI辅助工程最关键的基石。别想着AI能替代这些基础工作啊！要是没有这些支撑，开发速度提高可能会带来运营风险。 还有用户为中心的开发也很关键！始终关注用户价值（而不是单纯追求技术产出）的团队更容易高效地把AI融入工作流程。 平台工程也成了一个关键推动因素！具备标准化开发环境、部署管道和基础设施服务的内部平台能让AI工具在统一、可预期的生态系统中运行。这种一致性让开发人员更方便把AI建议融入工作流程。 最后是小批量工作的重要性！小增量变更能够提高代码审查质量、降低部署风险还有维护系统稳定性。当AI生成大型复杂变更时这就显得特别重要。 报告还强调了平台团队在未来的重要性！在平台工程能力上投入更多资源的组织——包括共享工具、标准化环境和清晰定义流程——通常能在引入AI时取得更好效果。平台给团队间规模化落地提供了结构化基础保障一致性和可靠性。 不过引入AI也可能助长快速实验和大规模变更！如果管理不当这种模式会增加缺陷、部署失败还有运行不稳定风险呢！ 最后一个观点就是：AI不能修复有缺陷的系统但对于基础扎实的组织它确实是一个强大加速器！所以DevOps不仅仅是一个目标而是要跟AI辅助流程、平台工程和优质开发者体验深度融合才能打造新一代工程体系支撑人与机器协同工作呢！