Hugging Face共同創辦人預測嘅軟件5大轉折點

Thomas Wolf發表咗一篇幾有挑戰性嘅文章。佢嘅核心論點係：喺AI寫程式嘅時代，軟件嘅底層架構本身會被顛覆。睇完之後我諗咗好耐。有啲觀點我好認同，有啲就覺得過於激進，所以整理咗出嚟。

大量引用套件嘅時代即將結束

一直以嚟，攞人哋寫好嘅套件嚟組裝係理所當然嘅事。自己由頭寫太花時間。但如果畀AI agent嚟做，由零開始重寫變得切實可行。減少外部依賴意味住更少嘅安全漏洞、更細嘅應用程式體積同更快嘅執行速度。

最近用Claude Code做嘢嘅時候，我發現npm依賴層級明顯變淺咗。呢個係咪喺行緊去「零依賴」嘅時代？

• 一個外部套件被攻破就連鎖危及數千個專案嘅結構將會消失
• 套件體積縮細嘅同時，啟動速度同回應速度都會提升

「舊程式碼唔可以隨便郁」嘅時代完咗

你聽過林迪效應未？存活時間越長嘅技術，越有理由繼續存活落去。唔輕易改動遺留程式碼都係類似嘅邏輯, , 萬一改出問題，邊個都唔知會喺邊度出事。

但如果AI可以通讀數萬行程式碼然後用另一種語言重寫，呢個邏輯就企唔住。不過Wolf都坦承咗一點：意料之外嘅bug同邊界情況，AI一樣會遺漏。所以，用數學方法證明程式碼按預期運行嘅形式驗證，唔再係可選項，而係前提條件。

• 重寫遺留程式碼所需嘅時間同成本降至過去嘅十分之一以下
• 冇形式驗證就將AI寫嘅程式碼放上正式環境，仍然近乎賭博

人類覺得難嘅語言，AI反而覺得輕鬆

程式語言嘅流行標準，講到底更加接近心理學而唔係技術。好唔好學？社群友唔友善？對搵工有冇幫助？但LLM唔在乎呢啲。型別系統嚴格、能夠喺編譯階段就發現錯誤嘅語言，對AI嚟講反而更好用。

Rust就係典型例子。人類學起嚟出咗名嘅難，但對AI嚟講，規則清晰、犯錯空間細。

• Rust、Haskell等強型別語言正喺AI時代被重新審視
• Python能唔能維持而家嘅主導地位，五年內見分曉

支撐開源嘅核心動力本身喺動搖

開源從來唔止係分享程式碼咁簡單。佢係人哋一齊建構、一齊學習、獲得歸屬感嘅文化。當AI寫程式碼、AI讀程式碼成為常態，呢個動機結構本身就會改變。

Wolf更進一步預測：AI模型之間將會形成自己建立同分享套件嘅社群。如果真係咁，AI嘅對齊方向將決定成個開源生態嘅走向。

• 失去學習同歸屬感呢啲人類動機之後，開源嘅未來變得唔確定
• AI對齊問題將唔止影響程式碼質素，仲會左右生態系統嘅運作方式

為AI而唔係人類設計嘅語言可能出現

人類設計程式語言嘅時候始終面臨一個取捨：提高表達力就增加複雜度，增強安全性就降低自由度。Wolf認為，冇嘢可以保證AI會面臨同樣嘅困境。如果人類唔再需要閱讀程式碼，全新形態嘅語言完全可能出現。

呢個係佢文章入面最激發想像力嘅部分。

• 編譯時期捕獲定係執行時期捕獲呢個古老爭論，對AI嚟講可能毫無意義
• 如果語言唔需要人類可讀，設計限制將徹底改變

現實同想像之間

五個預測當中，套件依賴嘅減少同強型別語言嘅崛起係已經可以喺實際工作中感受到嘅變化。其餘嘅需要三至五年嚟驗證。

有一點係確定嘅：理解程式碼點樣被創造出嚟嘅結構性能力，將比寫程式碼嘅能力更加有價值。