来源：Gitee 封面人物 丨 2026-05-25
我是邹欣，一名深耕微软 24 年的软件工程师，著有《编程之美》，横跨大厂研发、开发者社区与高校科创，专注传道授业、打磨软件工程实践。
邹欣：大家好！我现在担任北京中关村学院 智能创新中心负责人。在此之前，我曾担任自动驾驶创业公司 Momenta 的高级架构师、CSDN 研发副总裁。更早之前，我在微软公司工作 24 年，先后任职于 Azure、Office、Visual Studio、Bing、Windows 等多个研发团队，并曾在微软亚洲研究院工作了 10 年时间，致力于技术创新工作。
2007 年，我与合作者出版《编程之美》，成为当年国内的 IT 图书销量第一名，后来销量就急剧下降，因为盗版太多了；2014 年，我出版了《构建之法——现代软件工程》，曾经被全国 40 多所高校采用为软件工程课程教材；2020 年，合作出版了《智能之门——神经网络与深度学习入门》。 2025 年，我还和其他老师一起翻译出版了 《深度学习：基础与概念》这本 AI 的理论基础名著。
在微软亚洲研究院工作的时候，我参加了一些高校的合作交流项目，然后从 2007 年起，就亲自参与一些学校的软件工程教学改革。 我曾在清华大学的姚班、北航计算机学院等学校开设“现代软件工程”课程，逐步形成了 “做中学”的教学方法。 我们在博客园和 CSDN 都建设了网上的教学社区，还和老师组织了几次《构建之法》软件工程教学研讨会。
AI 时代的软件工程应该怎么学，怎么实战？我会在 5 月份出版 《构建之法》的第四版，这本书的配套课件和资源，都会同步更新到 Gitee 仓库中（ https://gitee.com/zouxin2025/ASE ），每一章的 readme.md 文件里都有详细的扩展内容和实战指导。
▲邹欣在很多运动中都是 “又菜又爱玩”
邹欣：这可以用 “做软件的目的是什么” 和 “要多努力才能打造出精品 - hard drive” 两个方面来总结，详情请看https://zhuanlan.zhihu.com/p/20003750 和 ：https://www.douban.com/note/206395832/?_i=60066781Qnpdl8
Build to learn: 写软件是为了学习，例如，手搓一个 “图书馆管理系统”
Build to Show: 为了某个短期的演示
Build to Serve：为了让软件稳定而长期地工作
Build to Win: 以 “在市场上赢“ 为目标而构建软件。这也是种种学术发现，技术突破，流程创新，灵光闪现最好的试金石。
真正关键的是Build To Win。为什么？因为现实世界不跟你客气。市场份额就那么大，对手占了70%，你就只剩30%；对手占了99%，你就只剩1%。早年的必应搜索和 Windows Phone 就是例子。这时候你还说 “我的Demo很独特”、“某个VP喜欢我的想法”——那没有用。你要么正面打赢，要么承认自己不该存在，要破产。
要想赢，光有聪明点子不够，工程能力是底线。 我参与一个项目，演示非常不错，但是，压力测试7秒就崩溃，改了一个月才扛住真实流量。没有工程能力，Learn 学不到真东西，Show 撑不住场面，Serve 的时候，不能长期服务用户，更别提Win了。
如果你身处一个必须赢的市场，就别一直用 “我的演示也不错” 来骗自己。 要想赢，就要付出努力。最怕的是明明是Win的战场，你却用别的心态去应付，那最后输的一定是你。
Hard Drive 的精神：
所谓的“Hard Drive”，不是指硬盘，而是 “强力驱动”， 也可以说是一种“功在不舍”的驽马精神。我写第一本书《移山之道》花了将近三年，中间经历了换工作、搬家、装修。很多时候半夜坐在电脑前，乐观时觉得 “写了一半”，悲观时问自己“还有一半没写，这些道理大家都懂，有必要继续吗？” 但最后还是硬着头皮往下写——因为我相信自己能写出独特的东西，第一版不够好，但是能发布就是成功。
写《编程之美》时更有意思。2007年10月左右，我们进入了一个黑暗期——写了不少题目，但看不出“美”在哪里，一些人也建议干脆改成 “面试秘籍” 赚快钱算了。有人扛不住，负责美术的编辑也离开了。但我们没有散伙，而是喘了口气之后，增加人手，紧咬不放，从办公桌讨论到餐桌，砍掉不够“美”的题目。
我的“drive”在那段时间升级成了“hard drive”——以请吃午饭为名，和每一位作者逐句复审；如果邮件没有回复，就打电话敦促。 要坚持信念：我们要把程序中的“美”介绍给读者。这就是驽马的做法——一匹马蹦跶不出名堂，要大伙儿团结协作，长途跋涉，中途歇息几次，才能到达目的地。
软件开发中有一个阶段叫“death march”——就像攻城，一队队士兵冒着炮火出击，伤亡无数，但敌人的城堡岿然不动。你每天加班改bug，bug 似乎不见少。但有军事家说过，最后的胜利往往产生于 “再坚持一下” 的努力之中。微软和微软研究院的早期成功，来源有很多，但更重要的，是每个员工坚持不懈的努力，和“再坚持一下”的决心。世上骐骥罕见，驽马满大街，有些驽马能跑出好成绩，关键在于四个字：功在不舍。
邹欣：每一段的经历对我的职业选择都是有帮助的。我比较喜欢动手做出具体的产品，所以大学毕业时，我选择先工作，积累一定的经验后再选择研究生的方向，这让我晚了几年拿到硕士学位，值得么？要看自己如何利用好在现实社会中获得的经验。加入微软后，我一度也从管理者的职位转回为一线工程师，因为我还是喜欢具体的编程工作。 我觉得软件的价值在于落地，在于解决实际问题，这也塑造了我喜欢一线工作的风格。 这也在我的教学方法中有所体现， 在软件工程的教学上，我发现教育家的名言 “没有也不可能有抽象的学生” -- 对我很有启发。我发现很多老师在传授抽象的软件工程知识，希望学生们记住这些抽象的知识，以后在实践中拿出来用，就像从锦囊中掏出写满了妙计的纸条那样； 我认为效率更高的办法是，让学生通过具体的开发工作，真实体会到软件开发的诀窍和不遵守软件工程原则的痛苦，在实践中解决问题。 另一方面，大家在实践中认识到各自的能力强弱，兴趣所在，对以后的学术或职业路线都很有好处。
邹欣：从现在回头看当时的本科和研究生教育，我觉得大学可以更多地开拓学生的视野，把更多跨学科的，工业界的经验引入学校。
北大的本科教育注重理论基础，那个时候由于没有PPT和投影仪，老师都写板书，学生抄笔记，这种缓慢而原始的方式强迫学生理解推理的过程。尽管硬件水平差，但我们还是有不少实践的项目，这让我夯实了计算机科学的核心理论基础，也积累了实践的经验，这正是 “Build To Learn” 中探索客观真理的核心诉求。 我工作几年后前往美国韦恩州立大学读硕士，由于我有工作的经验和感悟，知道要学什么。 我在那里快速完成学分、撰写论文，也深刻体会到“理论与实践结合”的重要性。美国的大学教育总的来说更贴近工业界实际，注重实践落地和跨文化协作，把每个学生当作一个成年人来对待。
这两段经历让我后来做教学改革时，始终坚持“做中学”，既要让学生掌握扎实的理论基础，也要引入工业界的真实案例和实践方法，避免教学与实际脱节。
邹欣：此前，我在微软亚洲研究院工作期间，看到很多研究员有很好的想法，却因为团队（包括很多实习生）缺乏扎实的工程能力，导致想法无法快速转化为健壮的产品；也看到很多高校学生学了软件工程，却不知道如何应用到实际工作中，甚至陷入“Build To Show” 的误区，只做表面功夫、不注重核心能力，甚至有些学校把 PPT 拿来当作软件工程的交付物。我写作的初心，就是希望通过书籍和教学，把工业界的实践经验传递给更多人，让大家真正理解软件工程的本质，爱上编程、学好软件工程。
同时我也一直认为编程是一种特别有趣的工作，有很多有意思的技巧，能做出有趣的程序。软件工程这个专业也很有趣，有很多真实的案例和学问。不像一般人想象的那么艰深或者无趣。这也是我写这些书的原因 -- 让大家知道，这是非常有意思的专业，有它特别的魅力。
在Windows 10 开发的过程中， 我们发现安装程序中的提示 “sit back and relax” 被某幼稚的AI 工具翻译为 “坐和放宽”， 在快速修复的过程中，我和团队做了T恤，提醒自己要时时注意产品质量和用户，不能因为某件事情外包了，就不管不顾了。
这样不但不能 build to win，说不定是 build to shame。
邹欣：正如我上面说的， 编程和软件工程都很有意思， 不应该把这门课讲成 “枯燥乏味” 的课程。 在我开始讲课后，也吸引到了一些志同道合的老师和工程师，一起做事，这样就把这件事情坚持下来了。 我出版的书有一些版税，我就用来奖励一些助教和做出了成绩的学生，我们还定制了专门的 “领骑黄衫”。 请看一个例子：https://www.cnblogs.com/best202/p/14269235.html
我在微软亚洲研究院的时候，因为高校合作的关系，我走访了多所高校的计算机系和软件学院，发现很多学校的软件工程教学仍然脱离工业界实际，学生学完理论却不会动手做项目，甚至有些学生毕业前都没写过1000行代码，却能找到工作，这让我既惊讶又担忧。我希望通过自己的努力，把工业界的实践经验引入高校，推动教学改革，让学生真正学到有用的知识和技能，这也是我长期投入教学的核心契机。
现在，《构建之法》已经被40多所高校采用，还有很多有工业界经验的助教加入我们，一起完善教学体系，这也让我更有动力坚持下去。
邹欣：
“船舱、甲板、山巅”是我在《现代软件工程》教学中的核心设计，结合学生真实团队项目（历经各种风险最终成功发布）来落地，帮助学生从“写代码” 到 “交付价值”， 完整掌握软件工程核心能力。
三种视角贯穿始终，让学生在“做中学”“以终为始”的实践中，既借助AI工具提高效率，又牢牢抓住细节与核心，具备AI时代不可替代的韧性与全局视野。
邹欣：最大变化不在多会几行代码，而是心态和认知的转变。一是接受工程没有完美解，都是在约束条件下做取舍，不再为不完美的答案焦虑；二是明白软件工程不是书本道理，是亲身经历过的代价、经验和方法论；三是从被动听课，变成主动发现问题、探索问题、验证问题的人。AI 能解决已有标准答案的问题，但发现新问题、定义新需求、在不确定中做决策，这是课程要培养、也是 AI 替代不了的核心能力。 当然，这样的课程对老师和学生都有压力，也不是每个人都喜欢，大家要有清醒的认识。
邹欣：现在有了越来越强大的 AI，就不必太纠结了， 把你的情况告诉 AI，让它给你建议，然后你就去实践， 在实践中验证你的想法和 AI 的建议是否靠谱，不靠谱那就改进。 展开来讲，计算机科学更专注于发现和研究长期的、客观的真理，比如算法原理、计算机体系结构等，适合对科研感兴趣、想深耕技术底层的学生；软件工程更专注于将理论落地，解决实际问题，比如开发产品、管理项目等，适合想快速进入行业、专注于产品落地的学生。大家可以结合自己的兴趣，先通过小项目实践，比如在Gitee 上自己搞一个项目，把想做的软件都做出来，感受自己更适合哪种方向，再做出选择，不必过早给自己设限。
邹欣：仍然有必要学习。 学习开挖掘机的学生，还是要学一些基础的机械常识； 要成为高明的厨师，还是要学习不少营养学等学科。
AI 的确能取代很多人类的工作，但是人类仍然要学习，做那些 困难而正确的事， 从个人来说，攀登科学技术的高峰，在任何时代都值得去追求； 从国家和人类的角度看，我们仍然需要掌握核心数学，计算机，等技术的人才，还需要掌握各种 AI 应用能力，有跨学科知识的人才，这些都需要不断学习和实践。 计算器出现几十年了，我们在小学仍然要亲自学习和演算各种四则运算，对吧？ 软件工程不仅是写代码，更是解决问题的能力、团队协作的能力，这些都是AI无法替代的。AI可以帮我们生成代码，但无法帮我们判断需求是否合理、无法帮我们应对市场竞争、无法帮我们坚持把一个项目做到底，这些都需要我们通过学习和实践来掌握。
我经常说一句话：“AI 确实能平替软件工程师 90% 的执行能力，但它会把工程师最核心那 10% 的能力，放大 1000 倍。”那被平替的 90% 是什么？是记忆语法、写重复的增删改查代码、做基础的调试。这部分工作 AI 做得比我们快得多。 但那剩下的 10% 是什么？是敏锐地观察并“定义真正的商业痛点”，是对复杂系统进行 “驾驭和架构决策（最近经常说的 Harness Engineering）”，是面对强敌时“Build to Win”的韧劲。当一个工程师具备了这 10% 的核心能力，AI 就不再是替代他的机器，而是听他指挥的千军万马。所以，软件工程不仅还要学，而且要聚焦那 10% 的核心去学。
有人说，”我发现除了语法和增删改查代码，我别的都不会 ..." ，那么，就要好好挖掘自己的 “10% 核心能力” 了。
邹欣：一句话：鼓励多用 AI。 要挑战学生们把有实际价值、能长期维护的软件做出来。 每个学生的学习路径不一样，AI 工具和 “古法编程，古法 debug" 的技能都要有，取决于每个学生自己的学习路径 --- 大学生都是成年人了，应该自己拿主意。
另外，我们会通过《构建之法》课程的项目，让学生明白，高质量的软件需要考虑代码规范、测试优化、CI/CD、可维护性等多个方面，这些都不是 AI 能自动直接完成的，需要学生具备扎实的底层能力和工程思维。我们还会组织学生对AI生成的代码进行评审，找出其中的问题和不足，培养他们的批判性思维，让他们学会合理利用AI工具，而不是过度依赖。课程也在 Gitee 上开源了： https://gitee.com/zgcai/vibecode-bootcamp/blob/master/README.md
邹欣：就是上面说的 Build to Win 的态度， 和 hard drive 的驱动力，其他的大部分能力，AI 都可以教你。 具体来说，“Build To Win” 的态度，让你能在竞争激烈的市场中，明确目标、直面挑战，不逃避、不敷衍，专注于做出能落地、能赢的产品；“hard drive”的驱动力，让你能在遇到困难时坚持不懈、精益求精，不轻易放弃，能把一个项目从想法变成现实。这两种能力，是AI无法替代的，也是未来软件工程师最核心的竞争力。除此之外，跨学科思维、问题解决能力和团队协作能力也很重要，这些能力需要通过长期的学习和实践来培养，也是AI难以复制的。
邹欣：培养体系上有很多大大小小的改进空间，也有各种专家和老师在讨论，从忧虑学生的上课抬头率，到论文的重复率，AI 内容占比，等等。 但我认为最核心的要务只有四个字：‘以终为始’。
我们培养学生，不仅是为了让他们能‘解释世界’，更重要的是能‘改造世界’。现在，AI 已经把解释世界的工作做得很好了，而且还在飞速进化。因此，我们的学生就要尽快从‘改造世界’入手——对于 AI 工具，要能用尽用，去直面真实的业务场景，看看能做出什么改进，如何 build to win。而在改造世界的真实实践中，学生必然会碰到各种工具失效、逻辑卡壳、用户不满的问题。到了这个时候怎么办？这就倒逼他们去死磕那些 AI 都搞不定的技术难点、底层核心原理，以及跨领域的综合技能 -- 他们碰到这些问题时，自然会抬头问老师，问专家，做各种探索。我们要问的是，老师能帮助学生改造世界么？或者他们也仅仅擅长于 ’用 PPT 解释世界’？
更重要的是，一旦抓住了‘改造世界，以终为始’这个核心，教学管理上那些让人焦头烂额的小问题也就迎刃而解了。例如，我们还需要强迫学生签到、打卡、点名、签退吗？毕业论文到底要规定什么字体、什么格式？和 AI 查重的重复率究竟要定在多少？我们不妨反问一句：在学生们 ‘改造世界’ 的征途中，这些规定究竟是必须要跨越的本质困难，还是纯粹消耗精力的 琐碎困难？当教育的终点直接对齐了真实的产出和价值，这些为了维持教育形式而设立的细节要求，自然就会被放到它们应得的优先级上。
邹欣：亮点： AI 带来强大效率工具，极大提升开发速度和原型能力。 软件工程仍是“有趣、有意义”的专业，能做出真实产品并面对市场竞争。 教育与产业结合更紧密，传统的教育中低效率和浪费时间的部分可以跳过。比如，现在很多高校都在引入工业界的实践项目和师资，Gitee等平台也为年轻人提供了很多开源项目和学习资源，让大家能更快地接触到行业实际，提升自己的能力。
痛点：很多产品还是流于 “赚快钱”， 没有深入解决用户的痛点，做 “正确而困难的事”。 比如，有些产品只追求表面的功能和流量，不注重用户体验和产品质量，最终难以在市场上长期立足；还有一些从业者过度依赖AI工具，忽视底层能力的培养，导致自身竞争力不足。
发展方向：软件会有写完的那一天么？ 有可能啊，你看现在你自己还在手机上找 APP 么？什么是人类社会长久的需求呢？ 我认为是能源和健康。 如何更高效地利用能源？如何让人的生活更健康? 这里面有无数的痛点和机会，软件 + AI 在这里大有可为。 除此之外，跨学科领域的创新，所谓 AI + Science，也是值得年轻人重点关注的。
邹欣：教学的改革：人才培养体系的效率应该能大大提高效率，推动 “以终为始” 、 learning by doing、半工半读的方式，既能学到理论知识，又能积累工业界的实践经验，提升就业竞争力 --- 也许工作和学位在半工半读中自然就有了！ 此外，我还希望通过Gitee等平台，搭建高校与企业之间的桥梁，让企业的真实项目走进课堂，让学生的项目成果能对接市场需求。
企业技术研发：既然我们有了这么强大的 AI 工具，那么，我们为何不用 AI 来颠覆每一个研发环节，甚至取消一些环节，让 AI 更好地帮助企业找到解决方案，创造价值？ 我希望推动 AI 与企业研发的深度融合，利用 AI 工具优化研发流程、提升研发效率，帮助企业降低研发成本、做出更有竞争力的产品。同时，我也希望通过自己的经验和资源，帮助企业培养更多研发人才，推动整个IT行业的高质量发展。
封面人物小档案
97
