軟件股崩盤啟示錄：當 AI 讓代碼變得廉價，軟件真正的價值在哪里？

前幾天寫的《》大家討論很多，今天再來深度討論一下當軟件開發成本無限趨近于0時，軟件的真正價值究竟在哪里。我在去年其實就寫過一篇相關文章，感興趣的朋友也可以閱讀《》。

十個人能不能重建 DocuSign？從純粹的代碼角度看，答案可能是肯定的。但這個問題真正有趣的地方在于：這十個人會把時間花在哪里？他們不會花在敲代碼上，而是會花在辯論邊界情況、合規要求、信任保證、可審計性、錯誤語義、用戶體驗，以及在不同法律環境下"簽名"到底意味著什么。這個問題不是關于執行能力，而是關于判斷力。

最近讀到 Sarah Guo 的一篇文章，她提出了一個我認為極其深刻的觀點：當代碼變得廉價時，judgment（判斷力）才是真正的工作。這個觀點徹底顛覆了我對軟件開發演進的理解。在軟件歷史的大部分時間里，執行是稀缺的。寫代碼慢、貴，而且受限于人的產出能力。困難的部分是讓軟件存在本身。但 AI coding agents（AI 編程代理）正在反轉這個世界。代碼現在可以快速、廉價、大規模地生產出來。執行不再是限制因素，特別是對于那些在前沿運作的團隊來說，結果的好壞更多是由協調和判斷決定的,而不是打字速度。

我對這個轉變的理解是：我們正在經歷軟件開發的范式轉移。從稀缺性經濟轉向豐富性經濟，而這種轉變帶來的影響遠比大多數人想象的要深遠。當某樣東西從稀缺變成豐富時，價值就會轉移到其他地方。在軟件領域，價值正在從"能不能寫出代碼"轉移到"知不知道該寫什么代碼"。這不是一個小調整，而是整個行業底層邏輯的重構。

從執行到意圖的轉變

Sarah Guo 在文章中指出，當軟件變得豐富時，清晰表達 intent（意圖）的能力反而變得稀缺。這有時被描述為創意勝過執行的勝利，但這種說法完全錯過了重點。在真實系統中，大部分重要的 intent 都是深度技術性的：積累的上下文、系統知識,以及關于權衡的判斷。工作并沒有消失，它只是轉移了。

我深有感觸。過去幾個月，我在使用 AI coding agents 時，發現自己花在引導和糾正 agent 上的時間,和我直接寫代碼的時間差不多。一開始我覺得自己很蠢，好像在犯一些不該犯的錯誤。但后來我意識到，這個反應本身很有信息量。它指向了系統中那些我隱性理解但從未清晰表達過的部分。工作從打字轉向了澄清判斷。

當你告訴一個有經驗的工程師"讓這個更快"，他們不會把這當成字面指令。他們會推斷上下文：是延遲重要還是吞吐量重要，這里的"足夠快"意味著什么，哪些權衡是可接受的,以及什么時候應該質疑這個前提本身。Coding agents 不具備這種背景。你要么規定得不夠詳細,得到一個看似合理但實際錯誤的東西；要么規定得過于詳細,花在寫指令上的時間比直接寫代碼還多。

軟件豐富讓這個鴻溝變得可見。執行錯誤的 intent 很便宜，這意味著不對齊會很快顯現出來。我認為這是一個好事。過去，錯誤的決策可能要等到系統上線運行很久之后才會暴露。現在，由于 AI 可以快速把你的想法變成代碼，你會更早地發現自己的想法是否清晰、是否正確。這種快速反饋循環實際上在加速學習。

什么是"不可接受的代碼"

Sarah Guo 提出了一個特別精準的概念：隨著 agents 能力提升,主要的失敗模式發生了變化。問題很少是代碼崩潰。不可接受的代碼能運行、能通過測試、看起來合理,但它違反了系統的隱含契約。在實踐中,這通常意味著打破了不可見的 invariants（不變量）：關于冪等性、順序、失敗語義、數據完整性或遺留耦合的假設,這些從未被寫下來,因為它們是通過經驗學到的。

這段話讓我想起了我在實際項目中遇到的無數次困境。這種代碼可能跨越了不該跨越的邊界,優化了錯誤的維度,引入了脆弱的抽象,錯誤處理了邊界情況,或者悄悄移除了未來的選項。一個人類工程師會拒絕它,不是因為它不正確,而是因為他們不想擁有它。正確性和可接受性之間的鴻溝,正是工程 intent 變得重要的地方。

我發現這個觀察特別深刻,因為它觸及了軟件工程中最難以量化的部分：品味。知道什么時候某個東西在技術上是對的,但對于你正在構建的系統來說形狀是錯的。這種判斷力無法通過測試用例完全捕獲,也很難形式化。它來自于對系統深層理解,來自于見過太多次某種模式最終導致問題,來自于對長期維護成本的直覺。

Sarah Guo 在文章中提到,他們在一些快速增長、有數百名工程師的公司中看到這種情況。早期系統是由還在發展高級判斷力的團隊快速構建的。代碼能工作,擴展得足以發布,然后成為后續一切的基礎。當 AI coding tools 變得更強大、在日常工作中更普遍時,它們忠實地復制了那些早期模式。臨時決策變成了默認值,并在代碼庫中重復。隨著時間推移,哪些架構選擇是偶然的、哪些假設沒有被審查過、哪些決策承載的權重遠超任何人的預期,這些都變得清晰起來。

我認為這揭示了一個更深層的真相：自動化會放大任何已經存在的結構。當那個結構是隱含的時,放大會讓它變得可讀。這既是機會也是風險。機會在于,那些一直存在但從未被正式化的模式和假設,現在因為被大規模復制而變得顯而易見,團隊可以有意識地決定哪些要保留、哪些要修改、哪些要丟棄。風險在于,如果你沒有意識到這個動態,你可能會在不知不覺中把技術債務擴大十倍。

并非所有代碼都同樣可規范化

Sarah Guo 提供了一個特別有用的框架來理解 agents 在哪些地方工作得好,哪些地方會遇到困難。這是一個關于 intent 明確性和穩定性的譜系：

在譜系的一端是非常容易規范化的代碼,比如數據庫、編譯器、協議。Intent 是形式化的、可檢查的。然后是操作性規范化的代碼,比如持續集成、ETL（數據提取轉換加載）、CRUD 服務,范圍控制占主導地位。接下來是測試錨定的代碼,比如業務邏輯、bug 修復,部分 intent 可以被捕獲。

然后情況開始變得棘手。品味密集型的工作,比如重構、API 設計、抽象,規范和判斷變得關鍵。以人為中心的工作,比如產品邏輯、用戶體驗、命名,intent 會演化。最后是難以規范化的工作,比如架構、策略,intent 存在于代碼之外。

隨著你在這個譜系上往下移動,失敗不再看起來像 bugs,而是看起來像你不信任的代碼。我發現這個框架特別有用,因為它幫助我理解為什么有些時候使用 AI coding agents 感覺像魔法,有些時候卻感覺像在跟一個不理解上下文的初級開發者打交道。

關鍵洞察是：agents 不是在所有類型的編程工作上都同樣有效。它們在 intent 可以被明確表達的地方表現出色,在 intent 依賴于隱性知識和品味的地方則會遇到困難。這意味著,作為工程師,我們需要學會識別哪些工作適合委托給 agents,哪些工作需要人類深度參與。這本身就是一種新的技能。

從個人技能到組織能力

Sarah Guo 觀察到,現在有些公司的 ARR（年度經常性收入）超過 1 億美元,快速增長,但計劃保持在大約 100 名工程師以下——每個人都在 intent 并行表達的極限上運作。最強的用戶不是寫出更好的 prompts（提示詞）。他們更好地管理 intent。他們指定結果而不是步驟,盡早暴露假設,保持 diffs（差異）小而可審查,推動更簡單的解決方案,并像對待不可信的 pull request 一樣對待 agent 輸出。

這段話讓我意識到,我們正在見證軟件開發從個人技能轉向組織能力的轉變。過去,一個公司的工程能力主要取決于它能招到多少優秀的個人貢獻者。現在,越來越取決于它如何構建系統和流程來捕獲、傳播和放大判斷力。

她提到,在快速增長的初創公司中,高級工程師越來越依賴測試和實時系統,而不是仔細閱讀代碼。她講了一個工程師的故事,這個人曾經通過讓自己在每個 pull request 后吃一顆 M&M 來保持 PR 的小巧。今天,每當系統確認約束時——在 canary（金絲雀部署）保持穩定后、回滾成功后,或者 invariants（不變量）在應該觸發時觸發——他就吃一顆 M&M,而且他需要一個更大的碗。

我喜歡這個比喻,因為它生動地展示了驗證重點的轉移。從驗證代碼本身,轉向驗證代碼在系統中的行為。這是一個深刻的轉變,因為它認識到在軟件豐富的世界里,讀懂每一行代碼變得越來越不現實也越來越不必要。重要的是建立正確的約束和檢查點,讓系統自己證明它的行為是可接受的。

Sarah Guo 把這稱為 judgment engineering（判斷力工程）：將積累的經驗轉化為顯式約束、測試和邊界的工作,系統和團隊可以據此運作。做得好的話,它讓高質量決策更容易在人員、時間和系統之間重復。

我認為這個概念捕捉到了軟件工程演進的本質。我們正在從"寫代碼"的時代,轉向"編碼判斷力"的時代。這不是說寫代碼變得不重要了,而是說最高杠桿的工作正在轉向如何將人類的判斷系統化、可重復化、可擴展化。這種轉變對工程師的技能要求提出了新的挑戰:不僅要懂技術,還要能夠清晰地表達為什么某個技術選擇是對的,能夠將隱性知識顯性化,能夠設計出捕獲判斷力的系統。

從軟件團隊到軟件密集的世界

Sarah Guo 提出,當編寫和維護代碼的成本下降時,組織不再問某件事是否可以自動化,而是開始決定是否應該自動化。軟件擴散到內部工作流、邊界情況和特定領域的流程中,這些過去太昂貴或太脆弱而無法編碼。

像 CRM（客戶關系管理）或 HRIS（人力資源信息系統）這樣的系統從外部看起來很直接,但它們代表了數千工程師年花在編碼業務邏輯、例外和約束上的時間,這些都是通過艱難的方式學到的。軟件豐富不會抹去這項工作——它改變了類似判斷現在可以多快、多廣泛地被表達。

在一個軟件密集的世界里,價值不再主要累積到單個工具上,而是累積到決定哪些決策被自動化、在什么約束下自動化的人身上。我認為這是一個關鍵洞察。當更多東西變成軟件時,另一個瓶頸變得更清晰：首先形成正確的 intent。足夠了解一個領域,能夠從客戶那里提取期望的行為——理解他們的意思,而不僅僅是他們說的話——變得越來越有價值。

這讓我想到,軟件豐富時代的贏家可能不是技術最強的公司,而是最懂業務、最能將業務理解轉化為清晰 intent 的公司。技術執行能力正在被商品化,但對問題的深度理解、對客戶真正需求的洞察,這些依然稀缺。

Sarah Guo 提到,模型可能會在這項工作上提供越來越多的幫助：暴露不一致、測試解釋、讓假設顯性化。這能走多遠仍然是一個開放的問題。但下游的一切都是從這里形成的 intent 擴展出去的。我同意這個觀點,但我也認為,至少在可預見的未來,形成正確的 intent 仍然需要深度的人類判斷。AI 可以幫助我們更快地迭代、更早地發現問題、更系統地測試假設,但它還不能替代對業務的深度理解和對客戶需求的敏銳洞察。

瓶頸在哪里

Sarah Guo 的結論非常有力：軟件豐富迫使 intent 浮出水面。隨著自動化增加,判斷力開始表現得像類型系統：它定義了什么是允許的、什么可以安全組合、失敗會在哪里浮現。弱判斷讓幾乎任何東西都能運行。強判斷在錯誤擴散之前就排除了整個類別的錯誤。軟件豐富使判斷力成為杠桿的單位。

我深刻認同這個觀點。在代碼稀缺的時代,杠桿來自于能寫出代碼的能力。在代碼豐富的時代,杠桿來自于知道該寫什么代碼的判斷力。這不僅僅是個人層面的轉變,更是組織層面、行業層面的轉變。

我一直在思考這對軟件工程師的職業發展意味著什么。過去,成為優秀工程師的路徑很清晰:學習編程語言、掌握算法和數據結構、了解系統設計、積累項目經驗。這些依然重要,但它們不再足夠。現在,工程師還需要學會如何清晰地表達 intent、如何將隱性知識顯性化、如何設計捕獲判斷力的系統、如何在人和 AI 之間有效分配工作。

這種轉變對工程教育也提出了新的挑戰。我們不能只教學生如何寫代碼,還要教他們如何思考代碼背后的 intent、如何評估不同實現的權衡、如何在系統層面做出判斷。這些能力過去可能被視為高級工程師才需要的,現在卻變成了基礎能力。

從公司層面看,這種轉變意味著組織需要重新思考如何評估和培養工程人才。簡單地看代碼產出不再有意義。需要看的是：這個人是否能清晰地表達 intent？是否能做出好的判斷？是否能將判斷系統化？是否能有效地與 AI coding agents 協作？這些都是新的評估維度。

我也在思考這對軟件行業競爭格局的影響。當代碼變得廉價時,競爭優勢不再來自于能寫出代碼,而是來自于知道該寫什么代碼。這意味著那些擁有深度領域知識、能夠清晰表達業務需求、能夠做出好的技術判斷的團隊,將會獲得巨大的優勢。反過來,那些只是執行能力強但缺乏判斷力的團隊,優勢會逐漸消失。

我的一些深度思考

讀完 Sarah Guo 的文章后,我一直在反復思考一個問題：這種轉變到底是讓軟件開發變簡單了,還是變復雜了？表面上看,代碼變得更容易寫了,這應該是簡化了。但實際上,對 intent 清晰性和判斷力的要求提高了,這又是復雜化了。

我的結論是：這種轉變降低了進入門檻,但提高了天花板。寫一個能運行的程序變得更容易了,但寫一個優秀的、可維護的、長期可持續的系統變得更難了。這是因為,當執行不再是瓶頸時,所有其他的問題都變得更加突出：你真的理解問題嗎？你的解決方案真的是最優的嗎？你考慮了所有的邊界情況嗎？你的設計能夠適應未來的變化嗎？

這讓我想起了一個更廣泛的模式：每當某項技術讓某種工作變得更容易時,它也會提高對其他能力的要求。文字處理軟件讓打字變得更容易,但也提高了對寫作能力的要求。搜索引擎讓查找信息變得更容易,但也提高了對信息篩選和批判性思維的要求。現在,AI coding agents 讓寫代碼變得更容易,但也提高了對判斷力和 intent 清晰性的要求。

另一個我一直在思考的問題是：這種轉變對不同經驗水平的工程師影響是什么？對初級工程師來說,AI coding agents 可能是一個巨大的加速器,幫助他們更快地學習和產出。但如果他們過度依賴 agents,可能會錯過建立深層理解的機會。對高級工程師來說,agents 可能讓他們能夠在更高層次上操作,但也要求他們更清晰地表達那些過去只是隱性知識的東西。

我認為,成功適應這種轉變的關鍵,是找到人和 AI 之間正確的協作模式。不是把所有工作都交給 AI,也不是完全拒絕使用 AI,而是理解各自的優勢和局限,在合適的地方使用合適的工具。人類擅長判斷、理解上下文、做出權衡決策；AI 擅長快速執行、處理大量細節、探索多個選項。最好的結果來自于將兩者有機結合。

最后,我想說的是,軟件豐富時代的到來,實際上是對整個行業的一次試煉。它會暴露出那些一直依賴執行能力但缺乏深度判斷力的工程師和團隊。它也會獎勵那些一直在培養判斷力、積累領域知識、建立系統化思維的人。這不是技術的勝利取代人的勝利,而是更高層次的人類能力——判斷力、洞察力、創造力——變得更加重要和有價值。

軟件豐富不是終點,而是新起點。它開啟了一個新的競爭維度,在這個維度上,判斷力成為最稀缺、最有價值的資源。那些能夠適應這種轉變、提升判斷力、將經驗系統化的人和組織,將會在這個新時代中獲得巨大的優勢。

結尾

也歡迎大家留言討論，分享你的觀點！

覺得內容不錯的朋友能夠幫忙右下角點個贊，分享一下。您的每次分享，都是在激勵我不斷產出更好的內容。

歡迎關注深思圈，一起探索更大的世界。