Simon Willison 最近写了一篇短文，聊了一个听起来简单但细想很深的话题：写代码变便宜了，然后呢？

宇智考试

Simon Willison 最近写了一篇短文，聊了一个听起来简单但细想很深的话题：写代码变便宜了，然后呢？


Willison 是谁？Django 框架的联合创始人，在开发者圈子里是老前辈了。他最近一直在研究 AI Agent 编程的实践方法，这篇文章是他系列指南中的一篇，篇幅不长，但每句话都值得琢磨。

1、写代码一直是件昂贵的事

Willison 开篇先帮我们回忆了一个事实：写代码从来都不便宜。一个成熟的开发者，写几百行干净的、经过测试的代码，通常要花一整天甚至更久。这个成本约束，几乎塑造了整个软件行业的运转方式。

往大了说，公司在立项之前要花大量时间做设计、做评估、做排期，就是为了确保程序员宝贵的编码时间不被浪费。一个产品功能值不值得做，本质上就是在算一笔账：这个功能带来的价值，能不能覆盖掉开发它所花的时间成本？如果覆盖不了，那就砍掉。

往小了说，程序员每天都在做无数个微决策。这个函数要不要重构一下？写得更优雅一点，但要多花一个小时，值不值得？要不要给这个边界情况加个测试？要不要写一份文档？要不要搭一个调试界面？每一个决定的背后，都是在权衡时间和收益。

这些习惯我们太熟悉了，熟悉到已经意识不到它们的存在。但 Willison 提醒我们，所有这些习惯，都建立在一个前提之上：写代码很贵。

2、当这个前提被打破了

现在 AI 编程 Agent 出现了，写代码的成本被大幅压低。Willison 说，把代码敲进电脑这件事，成本已经接近于零了。

这句话听起来好像只是程序员的事，但你仔细想想，它的影响面其实大得多。因为当一个行业运转了几十年的核心成本结构突然变了，所有围绕这个成本建立起来的决策习惯、组织流程、评估标准，全都要跟着变。

以前你会说，这个功能太复杂了，开发成本太高，先不做。现在呢？让 Agent 跑一下试试，十分钟就出结果了，做不做的判断标准完全不一样了。以前你会说，写文档太花时间了，代码能跑就行。现在呢？让 Agent 顺手就把文档写了，成本几乎为零，你还有什么理由不写？

更夸张的是，现在一个人可以同时跑好几个并行的 Agent，一边写新功能，一边重构旧代码，一边跑测试，一边写文档。一个人干了以前一个小团队的活。这种变化带来的冲击，远远超出了技术层面。

其实这个逻辑放到任何行业都成立。当某个环节的成本突然暴跌，整条价值链上的游戏规则都会被重写。就像数码相机让拍照成本归零之后，摄影这个行业的竞争焦点就从技术转向了审美和创意。写代码变便宜之后，软件行业的竞争焦点也在发生类似的迁移。

3、便宜的是代码，不便宜的是好代码

Willison 在这里做了一个很关键的区分。他说，交付代码的成本已经接近免费了，但交付好代码的成本依然很高。

什么叫好代码？他列了一张清单，挺长的，但每一条都很实在。代码要能正常工作，不能有 bug。你要能证明它是正常工作的，有测试来兜底。它要解决的是正确的问题，别方向跑偏了。它要能优雅地处理各种异常情况，别只考虑一切顺利的理想场景。它要足够简洁，人能看懂，机器也能维护。它要有文档，而且文档要跟代码保持同步。它的设计要给未来留出余地，但又不能过度设计。还有一堆什么可访问性、可测试性、可靠性、安全性、可维护性之类的指标，根据项目的性质各有侧重。

AI Agent 工具可以在上面这些方面帮上不少忙，但最终的质量把关，还是得靠操作这些工具的人。你得知道什么是好代码，你得能判断 Agent 产出的东西够不够好，你得能在关键的地方做出正确的取舍。

这一点其实特别值得琢磨。很多人觉得 AI 能写代码了，程序员就不重要了。但 Willison 的观点恰恰相反：AI 降低的是生产成本，但质量标准并没有降低。甚至因为产出速度变快了，质量把控的压力反而更大了。你一天能产出十倍的代码量，但如果没有能力判断哪些是好的哪些是烂的，那十倍的产出可能意味着十倍的技术债务。

这就好比印刷术让出版变便宜了，但好书并没有因此变多。能写出好内容的人，在信息爆炸的时代反而更稀缺了。

4、我们需要建立新的习惯

Willison 在文章最后坦诚地说，整个行业都还在摸索新的最佳实践，他自己也在摸索。

但他给了一个很具体的建议：当你的直觉告诉你「这个东西不值得花时间去做」的时候，不妨先让 Agent 跑一下试试。开一个异步的 Agent 会话，最坏的结果就是十分钟后你回来看一眼，发现确实不值得，浪费了一点算力而已。

这个建议看起来很小，但背后的思维转变很大。它的意思是，我们过去几十年养成的那套成本直觉，现在可能是错的。以前觉得不划算的事情，现在可能划算了。以前觉得没必要的事情，现在可能有必要了。我们需要主动去质疑自己的本能反应，重新校准自己的判断标准。

说到底，工具在变，成本在变，但有一样东西没变，就是你对质量的判断力和对问题的理解力。代码可以让 AI 来写，但什么代码值得写，写到什么程度算够好，这些问题永远需要人来回答。

Willison 这篇文章不长，但把一个核心矛盾讲得很透：成本降低了，标准不能降低。工具变强了，人的判断力要跟着变强。这大概是 AI 时代所有从业者都要面对的课题。

###How I AI#