北京
八年前Meta就有万亿参数模型了——但直到最近，软件工程师才真正感受到"代码过剩"的冲击。Elon Musk预言AI和机器人将带来富足时代，对开发者而言，这个时代已经提前到来。2026年的代码生产成本极低：AI编程工具接管了常规工作，据说一名资深工程师借助AI辅助，产出量能抵得上过去一个小团队。
这种现象可能真实存在且正在流行，但一个基本事实没变：良好的架构原则依然适用。Addy Osmani将此称为软件工程的"未来两年"，Gergely Orosz则在追踪对一线工程师的实际影响。一句话总结得很到位：富足是廉价的，信任不是。
当代码变得廉价，架构决策反而升值。成本与质量的权衡、无状态与有状态的选择、确定性与概率性的取舍——这些判断在快速产出代码的环境下，重要性被放大了。糟糕的架构会在这种速度下更快积累技术债务。
作者为了理解这种权衡在实际项目中如何运作，在免费层级的基础设施上搭建了四个覆盖不同智能体光谱的项目。第一个项目让他吃了教训：他原以为自己在构建AI智能体——它能生成图片、写标题、自动发布，用了AI，所以"应该是智能体的"。后来才意识到，这不过是个带API调用的定时任务。这种"以为"与"实际"之间的落差，成了最深刻的记忆点。
作者用五个问题梳理了架构选择的决策树。第一个问题是关键：你能否在系统运行前，写下它会执行的每一步？
如果设计阶段就能确定所有步骤，且都不需要大语言模型，那你根本不需要AI基础设施。脚本化ETL、规则引擎、常规自动化——在这些场景硬塞LLM只是纯开销。作者自己的跨平台发布流水线就是例子：用正则清理MDX格式，JSON文件追踪发布状态，GitHub Actions编排执行，全程没有LLM参与。"这是样板代码，但它从不产生幻觉。"在代码过剩的时代，知道什么时候不用AI，和知道什么时候用AI同样重要。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
