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

十個(gè)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(gè)問題真正有趣的地方在于：這十個(gè)人會(huì)把時(shí)間花在哪里？他們不會(huì)花在敲代碼上，而是會(huì)花在辯論邊界情況、合規(guī)要求、信任保證、可審計(jì)性、錯(cuò)誤語義、用戶體驗(yàn)，以及在不同法律環(huán)境下"簽名"到底意味著什么。這個(gè)問題不是關(guān)于執(zhí)行能力，而是關(guān)于判斷力。

最近讀到 Sarah Guo 的一篇文章，她提出了一個(gè)我認(rèn)為極其深刻的觀點(diǎn)：當(dāng)代碼變得廉價(jià)時(shí)，judgment（判斷力）才是真正的工作。這個(gè)觀點(diǎn)徹底顛覆了我對(duì)軟件開發(fā)演進(jìn)的理解。在軟件歷史的大部分時(shí)間里，執(zhí)行是稀缺的。寫代碼慢、貴，而且受限于人的產(chǎn)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(zhuǎn)這個(gè)世界。代碼現(xiàn)在可以快速、廉價(jià)、大規(guī)模地生產(chǎn)出來。執(zhí)行不再是限制因素，特別是對(duì)于那些在前沿運(yùn)作的團(tuán)隊(duì)來說，結(jié)果的好壞更多是由協(xié)調(diào)和判斷決定的,而不是打字速度。

我對(duì)這個(gè)轉(zhuǎn)變的理解是：我們正在經(jīng)歷軟件開發(fā)的范式轉(zhuǎn)移。從稀缺性經(jīng)濟(jì)轉(zhuǎn)向豐富性經(jīng)濟(jì)，而這種轉(zhuǎn)變帶來的影響遠(yuǎn)比大多數(shù)人想象的要深遠(yuǎn)。當(dāng)某樣?xùn)|西從稀缺變成豐富時(shí)，價(jià)值就會(huì)轉(zhuǎn)移到其他地方。在軟件領(lǐng)域，價(jià)值正在從"能不能寫出代碼"轉(zhuǎn)移到"知不知道該寫什么代碼"。這不是一個(gè)小調(diào)整，而是整個(gè)行業(yè)底層邏輯的重構(gòu)。

從執(zhí)行到意圖的轉(zhuǎn)變

Sarah Guo 在文章中指出，當(dāng)軟件變得豐富時(shí)，清晰表達(dá) intent（意圖）的能力反而變得稀缺。這有時(shí)被描述為創(chuàng)意勝過執(zhí)行的勝利，但這種說法完全錯(cuò)過了重點(diǎn)。在真實(shí)系統(tǒng)中，大部分重要的 intent 都是深度技術(shù)性的：積累的上下文、系統(tǒng)知識(shí),以及關(guān)于權(quán)衡的判斷。工作并沒有消失，它只是轉(zhuǎn)移了。

我深有感觸。過去幾個(gè)月，我在使用 AI coding agents 時(shí)，發(fā)現(xiàn)自己花在引導(dǎo)和糾正 agent 上的時(shí)間,和我直接寫代碼的時(shí)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(cuò)誤。但后來我意識(shí)到，這個(gè)反應(yīng)本身很有信息量。它指向了系統(tǒng)中那些我隱性理解但從未清晰表達(dá)過的部分。工作從打字轉(zhuǎn)向了澄清判斷。

當(dāng)你告訴一個(gè)有經(jīng)驗(yàn)的工程師"讓這個(gè)更快"，他們不會(huì)把這當(dāng)成字面指令。他們會(huì)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(quán)衡是可接受的,以及什么時(shí)候應(yīng)該質(zhì)疑這個(gè)前提本身。Coding agents 不具備這種背景。你要么規(guī)定得不夠詳細(xì),得到一個(gè)看似合理但實(shí)際錯(cuò)誤的東西；要么規(guī)定得過于詳細(xì),花在寫指令上的時(shí)間比直接寫代碼還多。

軟件豐富讓這個(gè)鴻溝變得可見。執(zhí)行錯(cuò)誤的 intent 很便宜，這意味著不對(duì)齊會(huì)很快顯現(xiàn)出來。我認(rèn)為這是一個(gè)好事。過去，錯(cuò)誤的決策可能要等到系統(tǒng)上線運(yùn)行很久之后才會(huì)暴露?，F(xiàn)在，由于 AI 可以快速把你的想法變成代碼，你會(huì)更早地發(fā)現(xiàn)自己的想法是否清晰、是否正確。這種快速反饋循環(huán)實(shí)際上在加速學(xué)習(xí)。

什么是"不可接受的代碼"

Sarah Guo 提出了一個(gè)特別精準(zhǔn)的概念：隨著 agents 能力提升,主要的失敗模式發(fā)生了變化。問題很少是代碼崩潰。不可接受的代碼能運(yùn)行、能通過測(cè)試、看起來合理,但它違反了系統(tǒng)的隱含契約。在實(shí)踐中,這通常意味著打破了不可見的 invariants（不變量）：關(guān)于冪等性、順序、失敗語義、數(shù)據(jù)完整性或遺留耦合的假設(shè),這些從未被寫下來,因?yàn)樗鼈兪峭ㄟ^經(jīng)驗(yàn)學(xué)到的。

這段話讓我想起了我在實(shí)際項(xiàng)目中遇到的無數(shù)次困境。這種代碼可能跨越了不該跨越的邊界,優(yōu)化了錯(cuò)誤的維度,引入了脆弱的抽象,錯(cuò)誤處理了邊界情況,或者悄悄移除了未來的選項(xiàng)。一個(gè)人類工程師會(huì)拒絕它,不是因?yàn)樗徽_,而是因?yàn)樗麄儾幌霌碛兴?。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(fā)現(xiàn)這個(gè)觀察特別深刻,因?yàn)樗|及了軟件工程中最難以量化的部分：品味。知道什么時(shí)候某個(gè)東西在技術(shù)上是對(duì)的,但對(duì)于你正在構(gòu)建的系統(tǒng)來說形狀是錯(cuò)的。這種判斷力無法通過測(cè)試用例完全捕獲,也很難形式化。它來自于對(duì)系統(tǒng)深層理解,來自于見過太多次某種模式最終導(dǎo)致問題,來自于對(duì)長(zhǎng)期維護(hù)成本的直覺。

Sarah Guo 在文章中提到,他們?cè)谝恍┛焖僭鲩L(zhǎng)、有數(shù)百名工程師的公司中看到這種情況。早期系統(tǒng)是由還在發(fā)展高級(jí)判斷力的團(tuán)隊(duì)快速構(gòu)建的。代碼能工作,擴(kuò)展得足以發(fā)布,然后成為后續(xù)一切的基礎(chǔ)。當(dāng) AI coding tools 變得更強(qiáng)大、在日常工作中更普遍時(shí),它們忠實(shí)地復(fù)制了那些早期模式。臨時(shí)決策變成了默認(rèn)值,并在代碼庫中重復(fù)。隨著時(shí)間推移,哪些架構(gòu)選擇是偶然的、哪些假設(shè)沒有被審查過、哪些決策承載的權(quán)重遠(yuǎn)超任何人的預(yù)期,這些都變得清晰起來。

我認(rèn)為這揭示了一個(gè)更深層的真相：自動(dòng)化會(huì)放大任何已經(jīng)存在的結(jié)構(gòu)。當(dāng)那個(gè)結(jié)構(gòu)是隱含的時(shí),放大會(huì)讓它變得可讀。這既是機(jī)會(huì)也是風(fēng)險(xiǎn)。機(jī)會(huì)在于,那些一直存在但從未被正式化的模式和假設(shè),現(xiàn)在因?yàn)楸淮笠?guī)模復(fù)制而變得顯而易見,團(tuán)隊(duì)可以有意識(shí)地決定哪些要保留、哪些要修改、哪些要丟棄。風(fēng)險(xiǎn)在于,如果你沒有意識(shí)到這個(gè)動(dòng)態(tài),你可能會(huì)在不知不覺中把技術(shù)債務(wù)擴(kuò)大十倍。

并非所有代碼都同樣可規(guī)范化

Sarah Guo 提供了一個(gè)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(huì)遇到困難。這是一個(gè)關(guān)于 intent 明確性和穩(wěn)定性的譜系：

在譜系的一端是非常容易規(guī)范化的代碼,比如數(shù)據(jù)庫、編譯器、協(xié)議。Intent 是形式化的、可檢查的。然后是操作性規(guī)范化的代碼,比如持續(xù)集成、ETL（數(shù)據(jù)提取轉(zhuǎn)換加載）、CRUD 服務(wù),范圍控制占主導(dǎo)地位。接下來是測(cè)試錨定的代碼,比如業(yè)務(wù)邏輯、bug 修復(fù),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(gòu)、API 設(shè)計(jì)、抽象,規(guī)范和判斷變得關(guān)鍵。以人為中心的工作,比如產(chǎn)品邏輯、用戶體驗(yàn)、命名,intent 會(huì)演化。最后是難以規(guī)范化的工作,比如架構(gòu)、策略,intent 存在于代碼之外。

隨著你在這個(gè)譜系上往下移動(dòng),失敗不再看起來像 bugs,而是看起來像你不信任的代碼。我發(fā)現(xiàn)這個(gè)框架特別有用,因?yàn)樗鼛椭依斫鉃槭裁从行r(shí)候使用 AI coding agents 感覺像魔法,有些時(shí)候卻感覺像在跟一個(gè)不理解上下文的初級(jí)開發(fā)者打交道。

關(guān)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?cè)?intent 可以被明確表達(dá)的地方表現(xiàn)出色,在 intent 依賴于隱性知識(shí)和品味的地方則會(huì)遇到困難。這意味著,作為工程師,我們需要學(xué)會(huì)識(shí)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(gè)人技能到組織能力

Sarah Guo 觀察到,現(xiàn)在有些公司的 ARR（年度經(jīng)常性收入）超過 1 億美元,快速增長(zhǎng),但計(jì)劃保持在大約 100 名工程師以下——每個(gè)人都在 intent 并行表達(dá)的極限上運(yùn)作。最強(qiáng)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(jié)果而不是步驟,盡早暴露假設(shè),保持 diffs（差異）小而可審查,推動(dòng)更簡(jiǎn)單的解決方案,并像對(duì)待不可信的 pull request 一樣對(duì)待 agent 輸出。

這段話讓我意識(shí)到,我們正在見證軟件開發(fā)從個(gè)人技能轉(zhuǎn)向組織能力的轉(zhuǎn)變。過去,一個(gè)公司的工程能力主要取決于它能招到多少優(yōu)秀的個(gè)人貢獻(xiàn)者。現(xiàn)在,越來越取決于它如何構(gòu)建系統(tǒng)和流程來捕獲、傳播和放大判斷力。

她提到,在快速增長(zhǎng)的初創(chuàng)公司中,高級(jí)工程師越來越依賴測(cè)試和實(shí)時(shí)系統(tǒng),而不是仔細(xì)閱讀代碼。她講了一個(gè)工程師的故事,這個(gè)人曾經(jīng)通過讓自己在每個(gè) pull request 后吃一顆 M&M 來保持 PR 的小巧。今天,每當(dāng)系統(tǒng)確認(rèn)約束時(shí)——在 canary（金絲雀部署）保持穩(wěn)定后、回滾成功后,或者 invariants（不變量）在應(yīng)該觸發(fā)時(shí)觸發(fā)——他就吃一顆 M&M,而且他需要一個(gè)更大的碗。

我喜歡這個(gè)比喻,因?yàn)樗鷦?dòng)地展示了驗(yàn)證重點(diǎn)的轉(zhuǎn)移。從驗(yàn)證代碼本身,轉(zhuǎn)向驗(yàn)證代碼在系統(tǒng)中的行為。這是一個(gè)深刻的轉(zhuǎn)變,因?yàn)樗J(rèn)識(shí)到在軟件豐富的世界里,讀懂每一行代碼變得越來越不現(xiàn)實(shí)也越來越不必要。重要的是建立正確的約束和檢查點(diǎn),讓系統(tǒng)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(jīng)驗(yàn)轉(zhuǎn)化為顯式約束、測(cè)試和邊界的工作,系統(tǒng)和團(tuán)隊(duì)可以據(jù)此運(yùn)作。做得好的話,它讓高質(zhì)量決策更容易在人員、時(shí)間和系統(tǒng)之間重復(fù)。

我認(rèn)為這個(gè)概念捕捉到了軟件工程演進(jìn)的本質(zhì)。我們正在從"寫代碼"的時(shí)代,轉(zhuǎn)向"編碼判斷力"的時(shí)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(zhuǎn)向如何將人類的判斷系統(tǒng)化、可重復(fù)化、可擴(kuò)展化。這種轉(zhuǎn)變對(duì)工程師的技能要求提出了新的挑戰(zhàn):不僅要懂技術(shù),還要能夠清晰地表達(dá)為什么某個(gè)技術(shù)選擇是對(duì)的,能夠?qū)㈦[性知識(shí)顯性化,能夠設(shè)計(jì)出捕獲判斷力的系統(tǒng)。

從軟件團(tuán)隊(duì)到軟件密集的世界

Sarah Guo 提出,當(dāng)編寫和維護(hù)代碼的成本下降時(shí),組織不再問某件事是否可以自動(dòng)化,而是開始決定是否應(yīng)該自動(dòng)化。軟件擴(kuò)散到內(nèi)部工作流、邊界情況和特定領(lǐng)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(guān)系管理）或 HRIS（人力資源信息系統(tǒng)）這樣的系統(tǒng)從外部看起來很直接,但它們代表了數(shù)千工程師年花在編碼業(yè)務(wù)邏輯、例外和約束上的時(shí)間,這些都是通過艱難的方式學(xué)到的。軟件豐富不會(huì)抹去這項(xiàng)工作——它改變了類似判斷現(xiàn)在可以多快、多廣泛地被表達(dá)。

在一個(gè)軟件密集的世界里,價(jià)值不再主要累積到單個(gè)工具上,而是累積到?jīng)Q定哪些決策被自動(dòng)化、在什么約束下自動(dòng)化的人身上。我認(rèn)為這是一個(gè)關(guān)鍵洞察。當(dāng)更多東西變成軟件時(shí),另一個(gè)瓶頸變得更清晰：首先形成正確的 intent。足夠了解一個(gè)領(lǐng)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(jià)值。

這讓我想到,軟件豐富時(shí)代的贏家可能不是技術(shù)最強(qiáng)的公司,而是最懂業(yè)務(wù)、最能將業(yè)務(wù)理解轉(zhuǎn)化為清晰 intent 的公司。技術(shù)執(zhí)行能力正在被商品化,但對(duì)問題的深度理解、對(duì)客戶真正需求的洞察,這些依然稀缺。

Sarah Guo 提到,模型可能會(huì)在這項(xiàng)工作上提供越來越多的幫助：暴露不一致、測(cè)試解釋、讓假設(shè)顯性化。這能走多遠(yuǎn)仍然是一個(gè)開放的問題。但下游的一切都是從這里形成的 intent 擴(kuò)展出去的。我同意這個(gè)觀點(diǎn),但我也認(rèn)為,至少在可預(yù)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(fā)現(xiàn)問題、更系統(tǒng)地測(cè)試假設(shè),但它還不能替代對(duì)業(yè)務(wù)的深度理解和對(duì)客戶需求的敏銳洞察。

瓶頸在哪里

Sarah Guo 的結(jié)論非常有力：軟件豐富迫使 intent 浮出水面。隨著自動(dòng)化增加,判斷力開始表現(xiàn)得像類型系統(tǒng)：它定義了什么是允許的、什么可以安全組合、失敗會(huì)在哪里浮現(xiàn)。弱判斷讓幾乎任何東西都能運(yùn)行。強(qiáng)判斷在錯(cuò)誤擴(kuò)散之前就排除了整個(gè)類別的錯(cuò)誤。軟件豐富使判斷力成為杠桿的單位。

我深刻認(rèn)同這個(gè)觀點(diǎn)。在代碼稀缺的時(shí)代,杠桿來自于能寫出代碼的能力。在代碼豐富的時(shí)代,杠桿來自于知道該寫什么代碼的判斷力。這不僅僅是個(gè)人層面的轉(zhuǎn)變,更是組織層面、行業(yè)層面的轉(zhuǎn)變。

我一直在思考這對(duì)軟件工程師的職業(yè)發(fā)展意味著什么。過去,成為優(yōu)秀工程師的路徑很清晰:學(xué)習(xí)編程語言、掌握算法和數(shù)據(jù)結(jié)構(gòu)、了解系統(tǒng)設(shè)計(jì)、積累項(xiàng)目經(jīng)驗(yàn)。這些依然重要,但它們不再足夠?，F(xiàn)在,工程師還需要學(xué)會(huì)如何清晰地表達(dá) intent、如何將隱性知識(shí)顯性化、如何設(shè)計(jì)捕獲判斷力的系統(tǒng)、如何在人和 AI 之間有效分配工作。

這種轉(zhuǎn)變對(duì)工程教育也提出了新的挑戰(zhàn)。我們不能只教學(xué)生如何寫代碼,還要教他們?nèi)绾嗡伎即a背后的 intent、如何評(píng)估不同實(shí)現(xiàn)的權(quán)衡、如何在系統(tǒng)層面做出判斷。這些能力過去可能被視為高級(jí)工程師才需要的,現(xiàn)在卻變成了基礎(chǔ)能力。

從公司層面看,這種轉(zhuǎn)變意味著組織需要重新思考如何評(píng)估和培養(yǎng)工程人才。簡(jiǎn)單地看代碼產(chǎn)出不再有意義。需要看的是：這個(gè)人是否能清晰地表達(dá) intent？是否能做出好的判斷？是否能將判斷系統(tǒng)化？是否能有效地與 AI coding agents 協(xié)作？這些都是新的評(píng)估維度。

我也在思考這對(duì)軟件行業(yè)競(jìng)爭(zhēng)格局的影響。當(dāng)代碼變得廉價(jià)時(shí),競(jìng)爭(zhēng)優(yōu)勢(shì)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(lǐng)域知識(shí)、能夠清晰表達(dá)業(yè)務(wù)需求、能夠做出好的技術(shù)判斷的團(tuán)隊(duì),將會(huì)獲得巨大的優(yōu)勢(shì)。反過來,那些只是執(zhí)行能力強(qiáng)但缺乏判斷力的團(tuán)隊(duì),優(yōu)勢(shì)會(huì)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(fù)思考一個(gè)問題：這種轉(zhuǎn)變到底是讓軟件開發(fā)變簡(jiǎn)單了,還是變復(fù)雜了？表面上看,代碼變得更容易寫了,這應(yīng)該是簡(jiǎn)化了。但實(shí)際上,對(duì) intent 清晰性和判斷力的要求提高了,這又是復(fù)雜化了。

我的結(jié)論是：這種轉(zhuǎn)變降低了進(jìn)入門檻,但提高了天花板。寫一個(gè)能運(yùn)行的程序變得更容易了,但寫一個(gè)優(yōu)秀的、可維護(hù)的、長(zhǎng)期可持續(xù)的系統(tǒng)變得更難了。這是因?yàn)?當(dāng)執(zhí)行不再是瓶頸時(shí),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(yōu)的嗎？你考慮了所有的邊界情況嗎？你的設(shè)計(jì)能夠適應(yīng)未來的變化嗎？

這讓我想起了一個(gè)更廣泛的模式：每當(dāng)某項(xiàng)技術(shù)讓某種工作變得更容易時(shí),它也會(huì)提高對(duì)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(duì)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(duì)信息篩選和批判性思維的要求。現(xiàn)在,AI coding agents 讓寫代碼變得更容易,但也提高了對(duì)判斷力和 intent 清晰性的要求。

另一個(gè)我一直在思考的問題是：這種轉(zhuǎn)變對(duì)不同經(jīng)驗(yàn)水平的工程師影響是什么？對(duì)初級(jí)工程師來說,AI coding agents 可能是一個(gè)巨大的加速器,幫助他們更快地學(xué)習(xí)和產(chǎn)出。但如果他們過度依賴 agents,可能會(huì)錯(cuò)過建立深層理解的機(jī)會(huì)。對(duì)高級(jí)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(dá)那些過去只是隱性知識(shí)的東西。

我認(rèn)為,成功適應(yīng)這種轉(zhuǎn)變的關(guān)鍵,是找到人和 AI 之間正確的協(xié)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(yōu)勢(shì)和局限,在合適的地方使用合適的工具。人類擅長(zhǎng)判斷、理解上下文、做出權(quán)衡決策；AI 擅長(zhǎng)快速執(zhí)行、處理大量細(xì)節(jié)、探索多個(gè)選項(xiàng)。最好的結(jié)果來自于將兩者有機(jī)結(jié)合。

最后,我想說的是,軟件豐富時(shí)代的到來,實(shí)際上是對(duì)整個(gè)行業(yè)的一次試煉。它會(huì)暴露出那些一直依賴執(zhí)行能力但缺乏深度判斷力的工程師和團(tuán)隊(duì)。它也會(huì)獎(jiǎng)勵(lì)那些一直在培養(yǎng)判斷力、積累領(lǐng)域知識(shí)、建立系統(tǒng)化思維的人。這不是技術(shù)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(chuàng)造力——變得更加重要和有價(jià)值。

軟件豐富不是終點(diǎn),而是新起點(diǎn)。它開啟了一個(gè)新的競(jìng)爭(zhēng)維度,在這個(gè)維度上,判斷力成為最稀缺、最有價(jià)值的資源。那些能夠適應(yīng)這種轉(zhuǎn)變、提升判斷力、將經(jīng)驗(yàn)系統(tǒng)化的人和組織,將會(huì)在這個(gè)新時(shí)代中獲得巨大的優(yōu)勢(shì)。

結(jié)尾

也歡迎大家留言討論，分享你的觀點(diǎn)！

覺得內(nèi)容不錯(cuò)的朋友能夠幫忙右下角點(diǎn)個(gè)贊，分享一下。您的每次分享，都是在激勵(lì)我不斷產(chǎn)出更好的內(nèi)容。

歡迎關(guān)注深思圈，一起探索更大的世界。