我过去对软件重写的看法因AI而改变。AI输出的质量并非完全由提示词决定，而是取决于模型在训练数据中已有的知识以及你提供的上下文。对于编码任务而言，大部分上下文来自代码库本身。
流行的技术栈天然具有AI优势，因为模型已经见过数百万个示例，包括公开源代码。相反，专有语言和私有框架如果模式不一致，就必须在有限的上下文窗口中教导模型，这大大增加了难度。
比较两种工作流程：一种是阅读功能规范后，直接阅读一致且清晰的代码库，然后生成实现；另一种是阅读规范后，面对不一致的代码库（包含遗留语言和历史包袱），还需要额外阅读示例和文档才能生成实现。在第一种流程中，代码库的既定模式模型很容易理解；在第二种中，模型必须先花费精力推断这些模式，然后才能解决问题。
更多的上下文意味着更多的令牌、更多的提示次数、更多的输出变异性，以及通常更低的质量——也就是更高的成本。
因此，软件重写不仅是技术栈现代化的机会，更是重建代码库、采用清晰一致模式的契机，从而利用AI的优势而不是与之对抗。你可以选择用AI直接解决问题，也可以花时间先让AI学习你的语言。这失去的时间就是竞争对手的优势，差距不仅在于速度，更在于输出的质量。
我认为这完全改变了软件重写的经济性。实际上，许多公司已经开始意识到这一点。例如，采用一致的代码风格、遵循行业最佳实践、使用流行的框架，都能显著提升AI辅助编码的效率。相反，那些维护着大量遗留代码的公司会发现，每次需要添加新功能时，他们不仅要解决业务逻辑问题，还要花费大量时间向AI解释代码库的特定模式。这种额外的开销直接转化为更高的成本和更慢的交付周期。
从更宏观的角度看，AI的普及可能会加速软件行业的标准化进程。那些能够快速适应并建立清晰、一致代码库的组织，将在竞争中占据明显优势。而那些坚持使用古老或私有技术的公司，则可能面临开发效率的持续下降。软件重写不再仅仅是技术债务的清理，而是一项战略性投资，决定了一家公司在AI时代能否保持竞争力。