AI 如何颠覆软件重写的经济账
AI changes the economics of software rewrites
AI 正在彻底改变软件重写的经济逻辑。我发现，AI 的输出质量不只取决于你的提示词，更取决于代码库本身的清晰度。对于拥有清晰、通用模式的流行技术栈，AI 能直接调用海量训练数据，效率极高；而面对私有语言或混乱的遗留系统，AI 不得不消耗大量上下文去“学习”规则，导致成本飙升且质量下降。重写代码库不再仅仅是技术升级，更是为了构建一套能发挥 AI 优势的清晰模式。你是在用 AI 解决问题，还是在浪费时间教 AI 你的私有语言？这个时间差，就是竞争对手超越你的机会。
重写不仅仅是现代化技术栈的机会，更是围绕清晰、一致的模式重建代码库的机会，让代码库顺应 AI 的优势而非与之对抗。
- 有评论者强调 AI 赋能的重写核心在于先构建 90-95% 覆盖率的测试套件，利用测试失败反馈驱动 AI 自我修正，从而实现从 Node.js 到 Rust 等语言的特征精确迁移与重构。
- 一位从业者反驳了'重写即灾难'的观点，认为 AI 降低了迁移成本，但必须严格遵循'先特征精确复刻再逐步演进'的原则，避免在重写过程中同时修改功能导致失败。
- 针对大规模遗留系统，有观点指出全盘重写风险极高，更务实的策略是'针对性重写'，即按模块逐个迁移，仅影响单一逻辑功能而非整体架构。
- 有评论者尖锐指出，许多重写项目的根本动机并非技术必要性，而是开发者'写代码比读代码更有趣'的心理，往往忽略了原有架构背后的历史语境。
- 一位资深工程师分享经验称，对于几十年前的死语言代码库，AI 改变了团队对'不可能任务'的认知，使得原本被认为无法进行的现代化迁移有了实际落地的可能性。