康威定律与AI时代团队结构

软件行业有一条康威定律：“你有什么样的团队沟通结构，就会造出什么样的系统架构”，反过来，系统架构也会决定组织架构。 传统软件开发的组织架构是围绕传统软件工程打造的，所以有需求分析 → 产品设计 → ...

软件行业有一条康威定律：“你有什么样的团队沟通结构，就会造出什么样的系统架构”，反过来，系统架构也会决定组织架构。 传统软件开发的组织架构是围绕传统软件工程打造的，所以有需求分析 → 产品设计 → 架构 → 编码 → 测试 → 发布这样的开发流程，也产生了产品经理、架构师、软件工程师、QA 工程师、运维这样的角色。 这样分工不仅是因为软件开发的流程，还因为随着软件系统越来越复杂，个人很难完整的掌握所有能力，也几乎没有精力去做所有的事情，所以必须依赖团队分工协作。 这个问题在软件工程神作《人月神话》里面有专门讨论：n 个人有 n(n-1)/2 条沟通路径，沟通成本随人数平方增长。 作者 Brooks 也试图给出解决方案，他从外科手术室找到了灵感：把整个系统的设计决策集中在一个人（外科医生）的大脑中，其他人全是支持角色。沟通路径从网状变星型，层级减少平方值也大幅降低。 这个架构的好处在于：一个 10 人左右小团队，真正做设计决策的只有 1 人，但整个团队的产出却远超 1 人所能达到的上限。因为外科医生的所有认知带宽都被释放出来专注于最核心的事情——思考和决策。 但当年为什么这个模式没流行？我估计很多人都第一次听说这个模式。 1. 外科医生级别的人才极其稀缺，而且这种模式高度依赖个人，如果这个人离开或判断失误，整个团队就会瘫痪。 2. 随着软件规模和领域复杂度的爆炸，要求一个人掌握整个系统的所有设计细节变得越来越不现实。 3. 工具的进步（版本控制、IDE、CI/CD）让一部分辅助角色自然消亡了，团队结构也随之进化成了我们今天更熟悉的敏捷模式。 但 AI Agent 时代来了，Coding 能力越来越强，这个模式倒是可以拿出来讨论，也许变得可行。 Agent 可以是那个支持团队。 一个能定义问题、有判断力的人，带一群 Agent，就是一个完整的交付单元。 “1 个人 + AI” 正在逼近 Brooks 想象中的外科手术团队的产出。 一个技术判断力强的工程师或者产品经理或者任何其他角色，配合 Claude Code、Codex 这类 Agent，可以去思考架构和核心逻辑（外科医生的角色），让 AI 生成实现代码、编写测试、处理样板文件、重构、写文档。 这样决策权高度集中在一个人脑中，执行力被极大放大，沟通成本极低，因为 AI 不需要对齐上下文的会议，它直接读代码。 但这不意味着执行力可以无限扩大。 外科医生需要在脑中维持整个系统的一致模型。AI 加速了执行，但并没有扩大人类工作记忆的容量。一个人能用 AI 更快地写出代码，但他能同时驾驭的系统复杂度并没有同比例增长。 这意味着，AI 时代的外科医生模式可能在中小规模系统上极其高效，甚至于一个人顶一个传统团队，但在超大规模系统上，仍然需要某种形式的分工，只不过分工的粒度和方式会发生变化。 比如让几个“外科医生”各自带着自己的 AI 团队，分头推进不同的模块，模块之间靠设计好的接口契约来保持松耦合。 无论当前的 AI Agent 多强大，最终的瓶颈始终是那个做判断、做取舍、在脑中维持系统一致性的人类大脑。 也许只有等到 AGI 真正到来、AI 能完全替代人类做系统级决策的那一天，这个瓶颈才会被真正突破。 Xiaowen @ixiaowenz 十年前需要写一个多月的项目，如今在AI辅助下一天就能完成；过去必须先搭建项目骨架、写基础类才能开始业务逻辑，现在打开笔记本先写提示词，测试通过后AI已经承担了大部分实现工作。 这种体验是实实在在的，开发者第一次感受到“一个人就是一支队伍”的可能。 也正因如此，组织会本能地选择批量购买 Token，把AI工具分发到每个基层工程师手里，认为100个人提效 20%，乘以100至少就相当于团队多了 20 个人啊。 说穿了，个人效率解决的是“更快地完成眼前这件事”，组织效率解决的是“省掉哪些不值得做的事”。 AI的终极价值不是让所有基层员工在细分场景里变得更快，而是让高一级角色拥有“直接做出完整结果”的能力——这种能力在AI出现之前只属于一个完整的团队。 当组织把AI的杠杆交给那些本来就能定义问题、整合资源的人，他们就能用一天时间完成过去需要协调数周才能交付的东西。 反之，把杠杆交给那些只会执行局部指令的人，他们只是把原本一小时的事缩短到半小时，而组织层面看不到任何变化。 🔗 View Quoted Tweet 💬 0 🔄 0 ❤️ 1 👀 346 ⚡