AI改變了軟件重寫的經濟性

我過去對軟件重寫的看法因AI而改變。AI輸出的質量並非完全由提示詞決定，而是取決於模型在訓練數據中已有的知識以及你提供的上下文。對於編碼任務而言，大部分上下文來自代碼庫本身。

流行的技術棧天然具有AI優勢，因為模型已經見過數百萬個示例，包括公開源代碼。相反，專有語言和私有框架如果模式不一致，就必須在有限的上下文窗口中教導模型，這大大增加了難度。

比較兩種工作流程：一種是閲讀功能規範後，直接閲讀一致且清晰的代碼庫，然後生成實現；另一種是閲讀規範後，面對不一致的代碼庫（包含遺留語言和歷史包袱），還需要額外閲讀示例和文檔才能生成實現。在第一種流程中，代碼庫的既定模式模型很容易理解；在第二種中，模型必須先花費精力推斷這些模式，然後才能解決問題。

更多的上下文意味着更多的令牌、更多的提示次數、更多的輸出變異性，以及通常更低的質量——也就是更高的成本。

因此，軟件重寫不僅是技術棧現代化的機會，更是重建代碼庫、採用清晰一致模式的契機，從而利用AI的優勢而不是與之對抗。你可以選擇用AI直接解決問題，也可以花時間先讓AI學習你的語言。這失去的時間就是競爭對手的優勢，差距不僅在於速度，更在於輸出的質量。

我認為這完全改變了軟件重寫的經濟性。實際上，許多公司已經開始意識到這一點。例如，採用一致的代碼風格、遵循行業最佳實踐、使用流行的框架，都能顯著提升AI輔助編碼的效率。相反，那些維護着大量遺留代碼的公司會發現，每次需要添加新功能時，他們不僅要解決業務邏輯問題，還要花費大量時間向AI解釋代碼庫的特定模式。這種額外的開銷直接轉化為更高的成本和更慢的交付週期。

從更宏觀的角度看，AI的普及可能會加速軟件行業的標準化進程。那些能夠快速適應並建立清晰、一致代碼庫的組織，將在競爭中佔據明顯優勢。而那些堅持使用古老或私有技術的公司，則可能面臨開發效率的持續下降。軟件重寫不再僅僅是技術債務的清理，而是一項戰略性投資，決定了一家公司在AI時代能否保持競爭力。