AI 软件的发展：从人月神话到 Token 信仰

引言：一场正在发生的革命

过去几年，软件开发方式发生了根本性变化。

2020 年，开发一个功能完备的软件系统，往往需要 3–5 人团队、数月时间；到 2025 年，同样复杂度的系统，一个人借助 AI，可能在一天之内完成原型甚至上线。

这不是效率的线性提升，而是范式的切换。

本文尝试梳理这场转变的内在逻辑：AI 软件的发展并非一次突变，而是经历了几个清晰阶段——每一阶段，都在重新定义”人”与”软件”的关系。

第一阶段：确定性工程时代——算法主导的软件世界

在 AI 大规模介入之前，软件工程遵循一个核心前提：系统行为是确定的。

工程化分工

传统软件开发有清晰的角色划分：产品经理定义需求，架构师设计系统，程序员实现逻辑，测试工程师验证行为等。这套分工背后的假设是：软件开发是一项可预测的工程活动。在需求明确、设计合理的前提下，产出速度大致可估。

确定性的算法逻辑

系统行为几乎完全由代码（而不是模型）定义：相同输入，必然产生相同输出。 这种确定性构成了软件可靠性的基础，也塑造了几十年的工程方法论。

不可忽视的边界

但确定性也带来了结构性限制：

• 知识转化瓶颈 大量隐性经验（医生的判断、律师的直觉）难以被编码为规则。
• 线性扩展困境 人力投入与产出近似线性，《人月神话》所揭示的协作成本成为长期约束。
• 创新周期过长 从想法到实现往往需要数周甚至数月，许多创意在实现成本面前被放弃。

这一范式持续了数十年，直到 2022 年末被真正撼动。

第二阶段：AI 增强时代——在系统中”洒下智能的尘埃”

2022 年 11 月，ChatGPT 发布。 表面的爆发发生在用户规模，真正的变化发生在开发者心智。

AI的渐进式集成，而非重构

这一阶段的典型特征是：AI 被作为增强模块嵌入既有系统。客服系统加入智能问答，编辑器加入写作与补全，搜索引擎引入对话界面，…

最具象征意义的，就是那些出现在界面角落的”AI 对话框”。

AI 在这里仍然是工具：它加速流程，但不主导架构；它辅助决策，但不承担责任。

传统软件工程方法论依然成立，只是效率被放大。但重要的变化已经发生， 开发者第一次意识到，软件也许可以被”描述”出来，而不仅仅是”写”出来。

第三阶段：AI 原生时代——从 Coding 到 Vibing

2024–2025 年成为关键拐点。

一系列事件快速推动了范式成形：

• 大模型在复杂编程任务上接近甚至超越人类工程师
• AI 原生编辑器被广泛采用
• AI 开始覆盖从设计、实现到调试的完整工程流程

AI-Native Systems 的出现

真正的 AI 原生系统，并不是”带有 AI 功能的系统”，而是从构思、实现到迭代，AI 全程参与的软件形态。模型，特别是大语言模型，在系统中开始发挥神经中枢般的规划和调度作用。AI 不再是助手，而是主要构建者。

抽象层级的跃迁

这一阶段最本质的变化，是开发抽象的上移：

代码越来越被大模型和编程工具隐藏到底层，自然语言（Vibing）成为新的开发方式。

能力边界的扩展

结果是显而易见的：非技术人员可以将想法直接转化为系统，工程师从”写代码”转向”设计系统边界”，创新周期从数周缩短到数小时。

“任何系统都可以被 AI 重写”，不再是修辞，而是日常实践。

与此同时，一个新的现象开始浮现：工程师们不再讨论写了多少代码，而是消耗了多少 tokens。

下一阶段：人机和谐时代——在 AI 系统中洒下人性的尘埃

当 AI 成为主要构建者，一个更根本的问题出现了：

我们如何确保系统仍然服务于人，而不是让人适应系统？

这意味着一个方向性的转变： 从在软件中加入 AI，到在 AI 系统中重建人本中心。

核心挑战

1. 可理解性

AI 构建的系统越来越复杂，其行为部分源自统计模式而非显式逻辑。 我们需要新的方式，让人类理解、审查并信任这些系统。

2. 人性化交互

当前的 AI 交互仍然高度技术化：提示词、参数、模型边界。 理想状态下，人不需要”学会如何和 AI 工作”，而是自然地与系统协作。

关键不在于让人更像机器，而在于：如何让 AI 承担超越人力的复杂性，而人类保留判断权。人机两者之间有清晰、可控、和谐的协作界面。

结语：我们正站在什么位置？

回顾这条路径：

1. 确定性工程时代：人类主导
2. AI 增强时代：AI 辅助
3. AI 原生时代：AI 构建
4. 人机和谐时代：重建人本中心

2025 年，我们正处在第三阶段的成熟期，同时已经触碰到第四阶段的边缘。技术进步的方向并不模糊，但社会与人的选择仍然开放。这不是一个被技术决定的未来，而是一个正在被选择的未来。