小編精選 - 技術文章翻譯 · 07月01日

無限程式碼與無可避免瓶頸時代的務實主義

在前往舊金山的 AI Engineer 活動之前，我很期待被徹底震撼。話雖如此，我也不禁深思，在今天的軟體開發環境中，我們究竟要如何真正把事情做成。

在 AI 驅動的軟體開發原則上，存在著競爭壓力，促使大家必須取得一致。作為開發者與技術領導者，我們總是在當下的務實與對未來的願景之間努力取得平衡。

回顧軟體開發的歷史，我們對炒作的集體免疫系統一直是最重要的資產。最安全、最可靠的策略幾乎總是不隨著當前的流行風潮起舞。讓早期採用者去在前沿承受風險，你則等待塵埃落定，然後再採用那些真正經得起實際生產環境考驗的工具。分辨炒作與現實，對各層級的開發者來說都是關鍵能力；從長期來看，傾向於拒絕炒作通常才是最明智的選擇。

在這場 AI 革命中，分辨真實與炒作依然有價值，但我們原本的判斷準則正在失靈，因為這場革命顯然已經到來。然而，即使 AI 輔助開發確實蘊含巨大的實質價值，日常的討論仍然深受炒作驅動。這種聲音既無助又刺耳，一端是極端烏托邦式的情緒，另一端則是冷嘲熱諷式的過度否定，兩者混雜成令人疲乏的噪音。

要從這些噪音中找出真正的訊號，就必須嚴肅檢視究竟什麼改變了，更重要的是，什麼其實沒有改變。

無限程式碼的謬誤

AI 已經永久改寫了我們能產出多少軟體的規則。若只從數量角度看，我們現在幾乎具備產生無限程式碼的能力。但如果你曾花時間維護真實世界的系統，你就知道，原始的程式碼產生能力，往往不是成功真正的阻礙。

實際的價值交付受制於瓶頸點。

這些瓶頸點幾乎總是由複雜且以人為中心的因素所驅動：決策者需要取得共識、跨團隊協作、整合彼此衝突的想法時所產生的摩擦，以及對架構一致性的更高要求。一致性是那個關鍵階段，在這裡，原本龐雜、四散的潛在功能網絡，必須被提煉成一個真正說得通的產品。
在軟體世界裡，多不一定代表更好。事實上，缺乏引導的「更多」，通常只是在加速技術債。我們仍然需要交付精準、聚焦且有意圖的價值。

雖然 AI 在攻克單一瓶頸點方面幫助極大——它可以搭建樣板程式、撰寫測試，或除錯語法——但瓶頸其實不會消失，只是會轉移到別處。如果我們把寫程式速度提升 10 倍，瓶頸就會轉向程式碼審查；如果我們改用 LLM 讓審查更快，瓶頸就會轉向產品對齊與部署基礎架構。限制永遠都會移動。

任何仍以「傳統方式」運作的開發團隊，毫無疑問都正在落後。照我們過去的方式撰寫規格文件，開始顯得完全多餘——那份規格應該直接交給你選定的代理來描述。我們知道，為了眼前的問題，需要在更高層次上協作，讓個別開發者能在不斷重新對齊規格的情況下，完成多輪開發迭代。

在所有人的門檻都被拉高的競爭環境中，如何真正發揮無限程式碼的價值，根本上仍是未解問題。

「等下一個模型」的陷阱

因為這個瓶頸會不斷轉移，所以會造成一種特定的開發者癱瘓。有時候，為了解決我們今天看到的瓶頸而去打造工具或工作流程，感覺本質上只是權宜之計。

那個揮之不去的念頭總是存在：為什麼要花心力優化這個工作流程，或圍繞這個摩擦去打造系統？我們不如等模型變得更聰明就好。再過六個月，代理之間就會彼此溝通，原生地把這些問題搞定。
這就是預測 S 曲線的陷阱。大約一兩年前，這套邏輯其實還說得通。昨天的一些瓶頸，確實不值得去解，因為下一次模型智慧的大躍進，會讓那些在地優化變得完全無關緊要。針對早期大型語言模型打造高度特化、複雜的包裝層，在下一個基礎模型推出後，往往都是浪費時間。

但我認為，我們現在已經到了這樣一個節點：這套邏輯開始失效，因為我們已經有足夠的時間，集體學會如何與核心 AI 生產力工具協作。目前情況正在趨於穩定——至少暫時如此。我們今天在軟體開發與價值交付上面對的瓶頸，本質上在人的層面就已經相當複雜，而且超出了短期 AI 的能力範圍。

除非是人工超智慧（ASI），否則無法克服真實世界中那些自然且混亂的阻礙。只要 AI 還不能坐在會議室裡，處理利害關係人會議中的政治動態，理解公司的現金跑道，並同理終端使用者在日常生活中的真實挫折，這些瓶頸就仍然會被人類現實所牽制。

我們不需要自動駕駛，我們需要的是人體工學

沒錯，我們確實已經把一些事情自動化了。大多數事情頂多也只是半自主而已；而如果這些東西存在於一個黑盒裡，老是讓我們意外，而且又無法用可用的方式交接，讓事情持續往前推進，那我們其實並沒有真的打贏那些瓶頸。

基於這個現實，我不認為我們已經到了可以靠放手不管來解決瓶頸的階段。當前主流的科幻想像——把電腦完全、無監督地交給 AI，並把它當作提升生產力的萬靈丹——其實忽略了好軟體是怎麼被打造出來的。
真正的生產力前沿，反而在於直覺化、具有人在迴路中的工作流程。重點是人體工學。

我們需要的是一種環境與指揮中心，讓我們能一眼以人體工學的方式理解整個系統。目標不是把人完全從迴路中移除；而是讓整個迴路順暢到一個程度，使人可以在本質上更高的抽象層次上操作。我們需要能降低協調開發代理所帶來的認知負擔的工具，同時仍然讓我們牢牢掌握主導權。我們需要能輕鬆發出訊號、修正 AI 的方向，並手動排除系統無法理解脈絡的下游阻礙。

當開發者能輕鬆看出代理正在嘗試什麼、只要按下一個按鍵就能引導它，並把這些工作有機地整合進更大的系統架構時，真正的價值才會被釋放。

關於滑向冰球前進的方向

我們並不會因為等待從頭重構的大型系統設計思維轉變，而獲得多少幫助來擺脫目前的瓶頸。解法是：用我們現在手上已有的工具，去解決今天看得到的摩擦。

是的，模型會變得更好。是的，代理會變得更聰明，而我們做事的方法也會隨著成功與失敗而演進。但我們已經來到當前 S 曲線上一個足夠成熟的位置，足以讓解決今天的摩擦變得極具價值。

要滑向冰球將要去的地方，而不是它曾經在的地方（借用 Wayne Gretzky 的話）。這在 AI 也是一樣。我們完全可以滑向冰球將要去的地方，但不需要假裝冰球現在已經在另一個完全不同的場館裡。今天在 AI 工具上的務實，意味著接受我們當下已經擁有的驚人槓桿，打造真正能發揮它們效用的、具有人在迴路中的人體工學系統，並回到交付精準且一致的價值這件事上。

今天，我們已經能以前所未有的效率，徹底解決昨天的問題。然而，日常的迭代進展與跨越式創新之間的拉扯，整體上仍然是我們必須自己管理的問題。你現在最務實的做法，就是停止等待那個完美的自主系統來替你清除阻礙，並開始調度你手上的工具。今天就打造你自己的指揮中心——也就是那些能讓你高階觀察代理與複雜工作流的介面與工作流程。投資於能讓你有效留在迴路中的工具，而不是試圖把自己工程化地排除在迴路之外。這一輪競賽中真正勝出的開發者，不會是那些擁有最聰明、最少監督代理的人；而是那些打造出最符合人體工學的管理系統的人。