
1. 你需要能降低维护成本的 AI
我认为,2026 年 5 月 10 日,用来编写代码的 AI 编码助手,必须能降低维护成本,且降幅不能太小。若代码编写速度提高两倍,维护成本最好降低一半;若生产力提升到原来的三倍,维护成本就得降至原来的三分之一。否则,只是用暂时的速度提升换来了长期的负担。
2. 生产力由维护成本决定
编写的每一行代码都需要维护,包括修复漏洞、清理代码、升级依赖项等。每花一个月编写代码,在接下来的一年里,都要花一定时间维护,且只要代码存在,以后每年都得维护。
假设询问 50 名开发者维护成本情况,利用“群体智慧”技术,能得到相对准确的答案。开发者们可能会说,每花一个月编写代码,第一年花 10 天进行维护,之后每年花 5 天进行维护。
如果较真,可以花几个小时用电子表格模拟这些估算对生产力的长期影响。新项目第一个月可把所有时间花在开发新功能上,第二个月要花一小部分时间修复漏洞和清理设计失误,之后所需时间逐渐增多。
根据开发者对维护成本的估算,两年半后,花在维护上的时间将超过一半;十年后,几乎只能做维护工作。若将维护成本估算减半,可多撑三年才达到 50%的门槛;若加倍,不到一年生产力就会降至 50%以下。所以,若想让团队高效工作,必须关注维护成本。
3. 所有模型都有缺陷
我认为上述关于维护成本的数字是合理的。我做咨询工作时,主要服务于后期创业公司,它们都存在图表中显示的问题。创业 5 - 9 年后,团队效率会大幅下降,然后会找我帮忙。
他们团队的情况可能没图表显示的那么糟,也许维护成本较低;或者更有可能是,维护成本其实和图表里一样高,只是掩盖了问题,比如决定不修复所有漏洞或不升级所有依赖项、团队效率变慢时增加人手、推倒重来重新编写代码。
具体的维护成本数字可能存在争议,但总体来说,这个模型是合理的。有丰富经验的人会知道图表反映的情况是真实的,见过生产力随时间下降的情况,也有过切身体会。
4. 这和 AI 有什么关系?
关系很大。假设团队刚开始使用 Rock Lobster,这是最新、最棒的智能编码框架,能让代码产出翻倍。但代码有点难理解,团队被大量拉取请求搞得焦头烂额,可能在点击批准按钮之前都没仔细看代码。
一个月能完成原本两个月的工作量,但假设每个“月”产出的维护成本也翻倍,那么下个月的维护成本就会变成原来的四倍。使用 Rock Lobster 大约五个月后,生产力就会回到起点,再过几个月,甚至会比从未使用过 Rock Lobster 时更糟。
当然,AI 不一定会让维护成本和生产力都翻倍,这只是个极端例子。但即使 AI 生成的代码和人工编写的代码一样易于维护,生产力的提升也不会持久。
5. 你随时可以退出,但永远无法摆脱
智能编码助手成本高昂,且只会越来越贵。当使用它的收益不再能弥补成本时,可能会决定回归传统编码方式。但停止使用智能编码助手时,所有的生产力提升都没了,增加的维护成本却还在,只要代码还在,生产力就会比从未使用过智能编码助手时更低。
6. 解决之道
只有当大语言模型(LLM)能降低维护成本,且降低幅度与代码产出增加的幅度成反比时,才是可行的。如果让代码产出翻倍,维护成本也翻倍,2×2 意味着维护成本变成了原来的四倍;如果让代码产出翻倍,维护成本不变,2×1 意味着维护成本还是翻倍了。
必须让生产力和维护成本成反比。如果代码产出是原来的两倍,维护成本就得降至原来的一半;如果代码产出是原来的三倍,维护成本就得降至原来的三分之一。这样既能享受所有好处,又不会被束缚。
7. 能解决这个问题吗?
我不知道。从最好的新闻来源了解到,编码助手往往会增加维护成本。确实有人说它们有助于更好地理解大型系统,但要大幅降低成本,达到所需程度,目前还做不到,情况甚至恰恰相反。
这是个问题。虽然这个模型不能完全反映现实,但总体信息是正确的。需要能降低维护成本的 AI,且降低幅度要与新代码带来的速度提升成比例。否则,就只是用暂时的速度提升换来了长期的负担。
可以追求编码速度的提升,但也要花同样多的时间来降低维护成本。否则,也会被困在“加州旅馆”里。这可不是一篇反 AI 的文章,还有其他方法可以尝试,比如使用能提高维护工作效率的 AI,即使它不能让代码本身更易于维护。
1068



被折叠的 条评论
为什么被折叠?



