AI写代码速度暴涨，但软件团队反而被新问题卡住：需求不清、共识难达、上下文丢失。当“写代码”变成廉价劳动力，人类协调成本成了真正的黑洞。
AI一天写完十个功能，公司却越来越慢？真正堵车的根本不是代码！
作者背景
.txt 联合创始人与AI工程研究者，长期研究结构化生成与智能体系统
AI把写代码变成了流水线工人
过去几十年，整个软件行业像一群人在疯狂研究怎么把砖搬得更快一点。有人发明了更好的编辑器，有人发明了更优雅的编程语言，有人天天争论该不该用空格代替Tab键。整个行业活像一支装修队，开会时的核心议题永远是电钻的转速能不能再提高百分之五。结果现在AI编程智能体一脚把门踹开，它说哥几个还在练手速呢，我半小时就能给你干完整栋楼。
作者所在的公司.txt一直有个实验拖了一年多。这个实验的核心目标是测试一种叫结构化生成的算法到底靠不靠谱。以前很多人测试AI模型，就像检查小区门卫认不认得出某个特定的快递单号，但真实世界的问题根本不是这个。真实世界的问题是门卫到底理不理解整个小区的住户分布和包裹流动规律。这就好比考试时一个学生靠背答案考了满分，另一个学生是真懂数学，表面看两个人都写出了42，但老师一换题型，背答案那个立刻开始冒烟冒火花。
作者把这个实验的目标和思路给Codex讲了大概半小时，几个小时后，第一版代码就跑通了。整个过程就像你刚想张嘴布置任务，员工已经把PPT、代码、测试、日报全做完了，还顺手帮你点了杯奶茶。
软件真正昂贵的东西一直是人类互相商量
软件行业有一个特别巨大的误解，大家总觉得软件就等于写代码。其实真正的软件开发更像是一群人终于愿意在同一个问题上达成共识之后，留下来的那一点点化石残骸。代码只是战争结束后的沉积物，真正烧钱烧时间的是大家到底能不能统一意见。很多人脑子里想象的软件开发画面，是程序员像钢琴演奏家一样疯狂敲键盘，但其实大型软件公司的真实画面是一万个产品经理、工程师、老板、法务和市场部的人在会议室里互相拔河，最后留下的那几行代码只是拔河结束后的绳子断头。
以前为什么大家觉得写代码本身才是最贵的呢？因为以前代码真的很贵。一个简单功能可能真要写半个月，所有人的注意力自然就死死盯在怎么提高编码效率上。后来大家搞出了IDE、Git、自动化测试、CI/CD，再从Copilot一路升级到Claude Code和Codex，整个行业就像给建筑工人疯狂升级工具，从铁锤换到液压机，现在直接发高达。结果工具升级太猛之后，真正的问题终于像退潮后的礁石一样露了出来。原来最慢的根本不是施工，而是你们到底想盖一个什么东西。
Fred Brooks几十年前在《人月神话》里就说过类似的话，Gerald Weinberg在《程序设计心理学》里也提过。软件开发最大的成本从来不是敲键盘那一哆嗦，而是沟通、协作、互相理解、互相妥协，以及统一世界观。
当AI把敲键盘的成本打到几乎为零的时候，所有人突然发现自己手里举着世界上最快的电钻，但面前根本没有墙可以钻。
AI把管理层突然推上了火山口
以前程序员之间会互相等待。等你的接口写完，等他的服务上线，等数据库改完表结构。现在很多等待直接消失了，因为AI智能体就像一台永远不会累的牛马，需求一到立刻开工。于是新的瓶颈像鬼一样冒了出来。没人知道下一步到底该干啥。作者说了一句特别扎心的话，团队真正变慢的地方变成了规格说明的生产速度。谁来定义需求，谁来把需求写清楚，谁来保证逻辑完整不打架，这些以前被忽视的问题突然成了整个高速公路上的那个单窗口收费站。
以前管理层就像厨房里的点菜员，程序员是厨师。现在AI厨师一分钟能炒一百盘菜，结果点菜员当场崩溃了，他喊你等等，我菜单还没想好呢。于是整个行业进入了一种特别荒谬的状态，工程师不再等待另一个工程师，工程师开始等待一个清晰到能让AI理解的需求。这句话非常炸裂，因为它意味着AI根本没有消灭组织问题，它只是把组织问题从海底捞了出来，放大到肉眼可见的程度。过去代码写得慢，很多管理上的混乱还能靠工期遮一遮，现在代码生成速度快得像光速，组织混乱就像穿了一条突然消失的裤子，整个公司瞬间裸奔在大街上。
有个特别真实的例子，以前老板说加个功能，程序员的脸色会瞬间变成猪肝色，因为这意味着加班、改接口、修bug、跟测试扯皮。现在老板说加个功能，AI五分钟就写完了，于是老板进入了无限许愿模式，像一个在自助餐厅里失控的小孩，看见什么拿什么。最后产品越来越胖，用户越来越懵，团队越来越乱。
代码越便宜人类越容易失控
这里作者提到一个特别有意思的经济学概念叫杰文斯悖论。简单说就是某种东西越便宜，人类通常不会省着用，反而会疯狂滥用。比如以前显卡很贵，大家会珍惜算力，现在AI一秒生成一张图，互联网上就开始出现戴着墨镜的猫骑摩托车大战西瓜忍者的鬼东西。代码也是一样的逻辑，以前开发一个功能的成本很高，团队会慎重地问自己这个功能真的有必要吗。现在反正AI五分钟就写完了，管他的先做出来看看呗。
于是大量没人需要的小工具、没人用的原型、半天就搞出来的内部系统开始像野草一样疯长。功能越加越多，页面越来越复杂，最后整个产品像一棵长疯了的树，十二个功能里有十一坨是垃圾，真正有价值的那一个核心反而被彻底埋在了杂草堆里。作者用了一个特别狠的句子来概括这个现象，他说很多AI氛围编程出来的产品，只差删掉十一项功能就能变得优秀起来。这句话太真实了，因为AI极度强化了人类一个典型的毛病，就是加东西的时候特别爽，但从来不想想删东西的时候有多疼。
1997年乔布斯回到苹果公司的时候，干的第一件大事就是砍掉了七成产品线。因为真正伟大的产品本质上都在做同一件事，就是减法、聚焦和克制。但AI出现之后，克制突然变得比以前更难了，因为新增功能第一次变成了几乎没有痛感的事情。就像吃薯片，明明知道吃多了不好，但手就是停不下来。
公司真正的黄金资产其实叫上下文
接下来文章进入真正核心的部分。作者说一个组织真正依赖的东西其实叫上下文。这个词很多人天天挂在嘴边，但真正理解它是什么意思的人并不多。所谓上下文，其实就是团队脑子里那一套不用明说的默认共识。它包括为什么这个模块当初要这样设计，谁以前在这个地方试过某种写法然后炸了，哪个服务特别脆弱一点就着，哪段逻辑属于历史包袱绝对不能碰，以及哪个优化当年曾经引发过一场半夜三点的线上大事故。
这些东西大部分根本就没有写在文档里，全靠空气传播。老员工天天泡在公司里，像海绵吸水一样，一起开会，一起修bug，一起熬夜排查事故，慢慢地在脑子里长出了一套组织记忆。比如说一个资深工程师看代码审查的时候突然说，这个改动会把数据库迁移流程搞炸掉。新人一脸懵，问你怎么知道的。因为他脑子里有十年前一场事故留下的心理阴影，这种东西根本没有写进任何文档里。
问题来了，AI智能体不会坐在办公室里，不会偷听旁边的会议，不会半夜爬起来修线上事故，也不会在公司的聊天群里围观一群人吵架。它只能看到你明确写给它的东西。如果上下文没有被写出来，AI就会发生一种特别经典的问题，就是它回答出来的东西听起来非常合理，但针对的是一个完全错误的问题。这太像现实世界里很多会议室里的讨论了，大家激情澎湃地吵了两个小时，最后发现所有人从头到尾讨论的根本就不是同一件事。
AI逼着公司第一次把潜规则写出来
既然AI没法通过空气传播来获取上下文，那该怎么办呢？作者给出的答案居然不是让人类变得更勤快，而是让AI自己去把所有的历史垃圾全部读一遍。这个方向很有意思，因为人类天生就特别讨厌写文档。程序员圈子里有一句经典老梗，说真正的程序员不写文档。大多数公司的文档系统就像一片废墟，打开公司内部的Wiki页面，满眼都是待更新三个字，或者写着一句新版迁移中请稍后，再或者留下一句这里以后补，然后这个以后就永远没有来过了。
但AI有一个人类完全比不上的超能力，它不会觉得烦。它真的能把所有的东西从头到尾全部看完。包括代码审查里的每一条评论，已经关闭的议题记录，每一次提交代码时写的备注，历史上有过的各种设计草稿，公司聊天群里关于某个技术方案的激烈争论，以及每一次线上事故之后的复盘文档。这些东西堆在一起就像一片考古遗址，但AI会像一台永远不会累的考古学家一样，把它们全部挖出来，然后自动提炼出隐藏在里面的规律。
作者说他们公司已经开始搞这种系统了。AI会自动扫描整个代码库和所有历史记录，生成一种组织级别的知识库。重点不仅仅是告诉你这个模块存在，而是告诉你这个模块为什么长得这么奇怪。比如说它会告诉你这里的旧行为不能改，因为当年做数据迁移的时候必须保持兼容。再比如说它会告诉你这个性能测试非常重要，因为上一次优化的时候有人偷偷改了一个概率分布的参数，结果整个模型的输出都变了。这已经不是单纯的代码理解了，这是组织记忆的自动化提炼，就像公司终于开始给自己大脑装一个外置硬盘。
AI真正改变的可能是组织记忆
这里其实藏着一个特别大的时代变化。过去一家公司最危险的时刻之一，就是核心员工提离职的那一天。因为大量的关键上下文会跟着这个人一起走出公司大门。比如那个老员工脑子里知道这个服务当年为什么被设计成这个鬼样子，结果他走了之后，整个团队就开始了一段漫长的考古工作，大家像原始人研究外星遗迹一样，对着代码翻来覆去地猜。
AI正在改变这件事。因为AI可以持续不断地吸收一个组织的全部历史，把散落在各个角落的零散知识重新拼接起来，就像一个永远不会睡觉的企业历史学家。最关键的是，它真的会把所有的东西都读完，人类根本做不到这一点。没有人有时间和精力把三年前的所有代码审查评论翻出来看一遍，但AI会，而且它还能从中总结出规律来。
如果这件事继续发展下去，未来一家公司的核心竞争力可能会彻底改变。以前大家比的是谁的技术更牛，谁的框架更先进，谁的模型参数更大。以后可能要比的是谁的组织知识沉淀得更完整，谁的上下文在公司内部流动得更顺畅，谁做过的每一个决策都能被清晰地回溯和复用，以及谁能让两千个员工持续保持在同一套认知方向上。
真正的新护城河是组织一致性
文章最后这一段说得特别狠。作者认为未来能赢的公司，未必是拥有最强模型的那一家，而是拥有最强组织一致性的那一家。这个观点非常重要，因为现在很多人还沉迷在模型的参数是不是更大了，智能体的循环是不是更复杂了，工具的协议是不是更丰富了。但这些都不是真正的大问题，真正的大问题从五十年前到现在一直都没变过。公司越大，就越容易精神分裂。五十个人的时候大家还能靠喊话沟通，两百个人的时候就开始混乱了，到了两千个人的时候整个公司就像一场大型动物迁徙现场，每头大象都在往不同的方向走。
AI会把这个问题放大到极致。小团队天然就有一致性优势，所以AI对小团队来说几乎全是正收益。这也是为什么现在很多AI创业团队特别猛，几个人几台电脑一堆智能体，每天疯狂出活。因为他们共享上下文太容易了，大家天天待在一个群里，脑子里的东西几乎是同步的。但公司一旦变大，维护一致性所需要的成本就开始指数级爆炸。
于是AI会变成一个超级放大器。好的组织会变得越来越强，烂的组织会死得比以前更快。以前管理差一点，代码写得慢还能缓冲一下，现在AI让错误的决策也能以光速扩散出去，就像给一个喝醉了的司机发了一枚火箭。
AI时代真正稀缺的人开始变化了
过去软件行业里最稀缺的人，是那些写代码特别快的人。现在这个价值正在快速下降。未来会越来越值钱的人，可能是那些能准确定义问题的人，能统一团队认知方向的人，能把散落在各处的上下文提炼出来的人，以及能维持住整个组织不精神分裂的人。
一语道破
换句话说，就是真正的架构型人才，真正的组织型人才，真正能把一片混乱变成清晰共识表达的UL语言，比如先统一你企业里乱七八糟的术语黑话，形成统一的话术！诈骗组织都能用统一话术通过电话就能欺骗到聪明的“美国人”，这说明话术的厉害，我们反复宣传，不要被话术误导，其实就是不要被语言误导，这又等于白说，关键是我们没有意识到话术重要性，我们必须将更多注意力放在遣词造句上，这样你才能识别话术，否则你身在庐山不识庐山。
就像Anthropic AI公司一直打道德牌，马斯克嘲笑Anthropic（人类）是反人类，OpenAI是CloseAI，这两个为了技术加速拼命奔跑的领先者，可能裤子掉了都不知道，但是至少说明一个问题：当你意味着道德问题是一个选择题，你可以选择道德或不道德时，虽然你选择了道德，但是你已经比掉入道德陷阱的普通人强很多，你已经在居高凝视众生，好像是救世主上帝了，黄仁勋那句：Anthropic你别扮演上帝，就很到位。