熵的变奏：软件工程的下半场

The Entropy Shift: Software Engineering’s Second Half

文 / [张奇]
文章风格受姚顺雨启发，ai有其下半场，软件工程呢？

几十年来，软件工程的演进轨迹主要围绕着一个核心约束展开：代码的生产力（Productivity of Code）。

从汇编语言到高级语言，从瀑布流到敏捷开发，从 Stack Overflow 到 GitHub Copilot，所有的工具迭代都旨在解决同一个问题：如何降低将人类意图转化为机器指令的摩擦成本。这确实取得了成效：软件吞噬了世界，互联网应用爆发，程序员成为了现代社会的数字建筑师。

在这些载入史册的里程碑背后，隐藏着软件工程上半场的一条根本性公理：代码是稀缺资产，编写代码是创造价值的唯一路径。

那么，现在发生了什么变化？

三个词概括：智能的边际成本归零。

更准确地说，是**“符合语法的逻辑生成”**的边际成本归零。随着 o 系列模型和 Claude 等工具的成熟，我们终于找到了一种行之有效的配方，能够以近乎无限的速率生成逻辑自洽的代码。哪怕就在两年前，如果你告诉大多数技术主管，一个初级工程师的一行 Prompt 可以生成整个微服务模块——他们会认为这不仅不可能，而且不负责任。

然而，这确实发生了。

那么接下来会发生什么？软件工程的下半场——从现在开始——将把焦点从**“生产（Production）”转向“治理（Governance）”**。在这个新时代，审阅（Review）的权重将压倒编写（Writing）。我们不再仅仅问：“我们能否实现这个功能？”，而是问：“我们如何证明这段 AI 生成的代码在生产环境中是收敛的？”

要在下半场取得成功，我们需要引入物理学、信息论和制度经济学的第一性原理，重新定义“工程师”的价值锚点。

上半场：稀缺与学徒制

要理解上半场，看看它的组织形式就知道了。

过去三十年，科技公司的人才结构呈现出典型的**“金字塔”**形状：底部是大量的初级工程师，中部是骨干，顶部是架构师。这描绘了上半场的游戏规则：学徒制（Apprenticeship）。

为什么会这样？因为在上半场，**“将意图转化为代码”**是一个高摩擦过程。

一个初级工程师写出一个可用的 CRUD 接口，需要理解语法、框架和业务逻辑。这是一种**“显性知识”**的缓慢积累。企业愿意支付薪水让新人“练手”，容忍他们写出低效的代码，因为这是将人力转化为生产力的必经之路。

在这种范式下，代码被视为一种资产（Asset）。如果你能写出更多的功能，你就在创造更多的价值。衡量工程师产出的指标往往与代码行数（LoC）或交付的功能点正相关。

这场游戏持续了几十年，直到大型语言模型（LLM）不仅学会了补全代码，还学会了推理。

变量一：热力学视角——作为负债的代码

为什么游戏规则会发生改变？因为**“代码生产”不再是瓶颈，“系统熵值（Entropy）”**成了新的瓶颈。

我们必须引入热力学第一性原理：软件系统本质上是一个不断演进的复杂系统，其自然倾向是走向无序（熵增）。

在上半场，由于人类编写代码的速度受限于物理时间（思考、打字、调试），系统的熵增速度是线性的，是可以被人力所控制的。

但在下半场，配方变了。AI 是一个超高压的熵增加速器。它可以在几分钟内生成人类需要几周才能写完的代码量。这产生了一种被称为“Vibe-coding”（氛围编程）的幻觉：看起来我们构建得更快了。

但从物理学角度看，未经审阅和理解的代码，不是资产，而是纯粹的技术债务（Technical Debt）。

每一行由 AI 生成但未被人类完全理解的代码，都是向系统中注入的**“黑箱”**。如果工程师失去了对上下文边界的掌控，这些黑箱就会不断累积。当错误发生时，修正的成本将呈指数级上升。

因此，工程师的职责发生了根本性位移：从**“代码的生产者”转变为“熵的抑制者”**。

变量二：信息论视角——信噪比的翻转

在信息论中，价值取决于信息的稀缺性和信噪比（SNR）。

• 上半场： 代码是信号。由于编写困难，高质量代码是稀缺的。
• 下半场： 代码泛滥成灾。AI 让代码变成了“噪音”。

当 GitHub 上充斥着由 AI 生成的平庸、冗余甚至带有细微幻觉的代码时，真正的稀缺资源不再是“生成内容的能力”，而是**“鉴别真伪的能力”**。

这解释了为什么我们看到一种**“图钉型”**的人才结构正在形成：
底部庞大的执行层被 AI Agent 替代（因为他们产生的信号可以被低成本复制），只留下一根极细的晋升通道（留给那些极度自律、能啃下底层原理的苦行僧），以及顶部一个高薪的“超级个体”阶层。

这些超级个体的高薪，本质上是对高**“认知带宽”**的定价——他们能在 AI 制造的海量噪音中，精准地过滤出有效的业务逻辑。

变量三：制度经济学视角——责任的定价

有人认为，随着 AI 能力的提升，我们最终可以把审阅工作也交给 AI（AI Reviewing AI）。

这在制度经济学上是行不通的。因为交易的核心不仅仅是交换信息，更是交换责任（Liability）。

1. 闭环幻觉与波兰尼悖论
如果一个系统完全由 AI 生成并由 AI 验证，它就失去了**“地面真值”（Ground Truth）。迈克尔·波兰尼曾说：“我们知道的，比我们能说出来的多。”（We can know more than we can tell.）
软件工程中包含了大量的隐性知识（Tacit Knowledge）——业务的潜规则、历史遗留的妥协、上下游的政治博弈。这些是 AI 训练数据中缺失的上下文。只有人类工程师能作为“现实世界”与“数字逻辑”**之间的翻译官，打破这个闭环幻觉。

2. 签名权（Sign-off）的价值
AI 没有法人资格，AI 不能坐牢，AI 不能背 P0 事故的 KPI。
在下半场，企业支付给高级工程师的 50w+ 年薪，购买的不再是**“劳动力”，而是“责任险”**。

当线上系统面临崩溃，或者需要做出可能导致千万级损失的决策时，必须有一个碳基生物按下按钮。这个**“签名权”**，是 AI 永远无法取代的硬通货。

下半场：从建筑工到审计师

这个配方正在彻底改变游戏的性质。回顾一下上半场的游戏：

• 我们学习语法、框架和设计模式。
• 我们通过编写更多的代码来提升熟练度。
• 我们通过交付功能来获得晋升。

这个游戏正在被颠覆。下半场的新游戏规则是：

1. 代码通缩，信任通胀： 仅仅会写代码的人，价值趋近于零；能为代码兜底的人，价值飙升。
2. 学徒制的物理性死亡： 企业不再提供练兵场。新人必须在进入职场前，通过高强度的自我训练（模拟 Review、阅读源码、重构 AI 代码），跨越从“零”到“一”的悬崖。
3. 人机共生的新范式： 并不是“人+AI”做同样的事，而是**“AI 负责战术执行（生成），人负责战略决策（审阅）”**。

结论

欢迎来到下半场。

这里的规则更加残酷，但也更加纯粹。上半场的玩家通过记忆和手速来赢得比赛；下半场的玩家则通过控制熵增和建立信任来赢得生存权。

这不再是一个关于“谁写得更快”的游戏，而是一个关于“谁更懂系统”的游戏。对于新入行者来说，如果你无法在逻辑上压倒 AI，无法在 Review 中指出 AI 的谬误，你就无法拿到下半场的入场券。

代码已死，工程永生。