AI 时代的软件工程重构

工程师的进化路径：

• L1-L2: 无 AI / 仅 IDE 自动补全
• L3: YOLO！开始放权信任 AI
• L4: 停止逐行 Review，聚焦对话
• L5: 彻底脱离 IDE 编程
• L6: 多路复用 (Multiplexing): 并发管理多个 Agent
• L7: 编排 (Orchestration): AI 管理 AI (如 Gas Town)

AI 代理虚拟工厂： Steve 开发的实验性编排器。包含两种极端上下文哲学：

• Polecats (臭鼬): 最小上下文。任务明确，短窗口执行，防止幻觉和降低成本。
• Crew (专家组): 最大上下文。吃透海量文档，解决复杂的全局架构设计。

效率飙升带来的精力枯竭：
AI 自动化了“写代码”等低频脑力劳动。工程师被迫 100% 时间处于“系统 2 (System 2)”高强度深度思考状态。

表现：虽然产能提升 100 倍，但人类大脑无法长时间负荷，许多前沿开发者每天只能高效工作 3 小时，其余时间极度疲惫。

AI 原生代码库的隐患：
AI 会在暗处生成错误但逻辑自洽的架构（如幽灵数据库、坚持提 PR 而不是直接 Push）。

特点：像病毒一样难以根除，只要文档中残留一丝痕迹，AI 就会重建这种“异端”。必须在核心 Prompt 中显式声明并镇压。

Richard Sutton 的核心法则：
人类总试图用聪明的“领域专家知识”或复杂的架构（如 MCP、各种 Hack）去优化 AI。

教训： 算力和数据规模永远是最终赢家 (Bigger is smarter)。不要试图比 AI 聪明，等下一个参数量大 10 倍的模型发布，一切手工优化都会沦为废纸。

全新的敏捷开发范式：
过去：写文档 -> 开发1个原型 -> 试错 -> 生产化。

现在：利用 AI 极低的边际成本，在两天内生成 20 个完全不同且能运行的原型，从中挑选最佳方案直接发布（Anthropic 就是这么运作的）。保留了极致的“可选性 (Optionality)”。

红利分配的世纪难题：
如果 AI 让你效率提升 100 倍：
• 公司视角：你应该每天干 8 小时，产出 100 倍价值给公司。
• 员工视角：我每天只干 10 分钟，完成原定任务，剩下的 100 倍红利归自己。
企业“榨取极限”的旧文化与超高效率发生了剧烈冲突，需要重塑社会文化契约。

编程界面的终极演进：
Steve 的核心预测：因为“大多数人根本不具备阅读长文本瀑布流的能力”，现有的命令行或聊天框 UI 会遇到人类认知瓶颈。

年底前，主流编程界面将演变为“屏幕上的拟人化头像（如虚拟狐狸）”，开发者完全通过自然语音对话来指挥它构建软件。