关于软件开发未来的三点思考
高
Awni Hannun约 4 分钟
Awni Hannun约 4 分钟导读：AI写代码正从“辅助”全速迈向“自主”，本文深度解析三大前瞻变革：智能体优先协作，预示从工具向自主平台的跃迁；软件贤能政治，LLM将打破框架垄断，实现即时专业化并消除兼容性负担；认知债，警示人类理解力衰退下，稀缺的干预能力将成最后的价值高地。一场软件逻辑的深刻重构正在发生。
Awni Hannun，苹果机器学习研究（MLR）组研究科学家，MLX框架联合创作者。曾任职于Zoom、Facebook AI Research及百度硅谷AI实验室，共同领导Deep Speech项目。斯坦福大学计算机科学博士（导师Andrew Ng），长期专注深度学习、语音识别、低资源机器学习等领域。
AI 编写软件的质量和速度都在飞速提升，且目前毫无放缓迹象。基于这一背景，我愈发频繁地思考以下三个领域，其中包含了一些关于“软件编写方式将如何演变”的随想：
1. 智能体优先协作 (Agent-first Collaboration)
在过去的一年里，我们经历了从 Cursor 等 AI 辅助 IDE 到 Claude Code 等 智能体命令行工具（Agent CLI） 的演变。这种趋势表明：AI 能力的增强意味着人类参与度的降低。
- 平台转型： 自然的下一步将是从 CLI 转向“智能体优先”的协作平台。这就像是一个为自主 AI 智能体打造的 GitHub（或者 GitHub 本身也会演变成这样）。
- 新瓶颈： 当 AI 能够飞速编写大部分代码时，新的瓶颈会在哪里？预判这一点有助于找准价值点。例如，AI 需要对其编写的内容进行测试，我们将需要充足的 低延迟计算资源，来高效地测试 AI 生成的海量代码。
- 闭环系统： 与人类一样，智能体在拥有紧凑的反馈闭环时表现最佳。这体现在多种场景：编写代码并能立即运行测试；优化代码并能进行性能分析（Profiling）和基准测试；开发功能并观察其实际使用情况；或者为实验编写代码并迅速获取结果。
2. 软件贤能政治 (Software Meritocracy)
过去，一种编程语言、框架甚至硬件能否流行，主要取决于“有多少人在用”。活跃的生态系统会不断巩固少数几种特定语言和平台的统治地位。
- 打破门槛： 创造一种新语言（或框架/API/DSL 等）最难的部分是说服人类去使用它。最好的 API 或实现往往因为没人用而湮灭。
- 代码转换的力量： 然而，大语言模型（LLM）极其擅长“代码到代码”的转换，这比从零生成（de-novo generation）要高效得多。就像人类一样，有参考资料对 AI 极其有用。
- 即时专业化： LLM 降低了新语言起步的门槛，也让“专业化”变得更具实践意义。未来我们不再需要处处妥协的通用框架，AI 可以实现即时的专业化定制。
- 兼容性过时： “向后兼容”和“向前兼容”的重要性正在降低。为了处理兼容性（不破坏旧用户，也不提供未来无法支持的功能），维护者在 API 中引入了大量复杂性。其根本原因在于人类太慢、太懒，而智能体会瞬间完成更新。
3. 认知债 (Cognitive Debt)
随着人类编写的代码越来越少，我们对底层系统和算法的思想模型（Mental Model）会逐渐衰退，甚至从一开始就无法建立。这就是“认知债”。
- 它重要吗？ 在人机协作的“半人马”阶段，它很重要；但在完全自主阶段，它就不再重要了。
- 稀缺的干预能力： 我认为，达到 99.99(...)% 的代码由 AI 编写所花的时间会比预想的短，但达到 100% 的时间会比预想的长。这意味着在极少数情况下，人类的干预依然至关重要。基于供需关系，这里的价值将非常巨大：能胜任这种干预的人越来越少，而且由于“认知债”，具备这种能力的人也会越来越稀缺。
- 复杂性灾难： 智能体团队将极速产生复杂度惊人的软件制品。事实上，这种情况正在发生。目前这些项目的影响相对较小（即使崩溃也不会伤及太多人），但这种情况不会持续太久。当智能体编写的软件成为我们日常生活基石的一部分时，其中的 Bug 或漏洞所带来的后果将严重得多。
https://x.com/awnihannun/status/2025752613749399609