Hugging Face共同創辦人預測的軟體5大轉折點

Thomas Wolf發表了一篇頗具挑釁性的文章。他的核心論點是：在AI寫程式的時代，軟體的底層架構本身將被顛覆。讀完之後我思考了很久。有些觀點我深感認同，有些則覺得過於激進，所以做了一番整理。

大量引用套件的時代即將結束

一直以來，拿別人寫好的套件來組裝是理所當然的事。自己從頭寫太耗時間了。但如果讓AI agent來做，從零開始重寫變得切實可行。減少外部依賴意味著更少的安全漏洞、更小的應用程式體積和更快的執行速度。

最近用Claude Code工作時，我發現npm依賴層級明顯變淺了。這是不是在走向「零依賴」的時代？

• 一個外部套件被攻破就連鎖危及數千個專案的結構將不復存在
• 套件體積縮小的同時，啟動速度和回應速度都會提升

「老程式碼不能隨便動」的時代結束了

你聽過林迪效應嗎？存活時間越長的技術，越有理由繼續存活下去。不輕易改動遺留程式碼也是類似的邏輯, , 萬一改出問題，誰都不知道會在哪裡出事。

但如果AI能通讀數萬行程式碼並用另一種語言重寫，這個邏輯就站不住了。不過Wolf也坦承了一點：意料之外的bug和邊界情況，AI同樣會遺漏。所以，用數學方法證明程式碼按預期運行的形式驗證，不再是可選項，而是前提條件。

• 重寫遺留程式碼所需的時間和成本降至過去的十分之一以下
• 沒有形式驗證就把AI寫的程式碼上正式環境，仍然近乎賭博

人類覺得難的語言，AI反而覺得輕鬆

程式語言的流行標準，說到底更接近心理學而非技術。好不好學？社群友不友善？對找工作有沒有幫助？但LLM不在乎這些。型別系統嚴格、能在編譯階段就發現錯誤的語言，對AI來說反而更好用。

Rust就是典型例子。人類學起來出了名地難，但對AI而言，規則清晰、犯錯空間小。

• Rust、Haskell等強型別語言正在AI時代被重新審視
• Python能否維持當前的主導地位，五年內見分曉

支撐開源的核心動力本身在動搖

開源從來不僅僅是分享程式碼。它是人們一起建構、一起學習、獲得歸屬感的文化。當AI寫程式碼、AI讀程式碼成為常態，這個動機結構本身就會改變。

Wolf更進一步預測：AI模型之間將形成自己建立和分享套件的社群。如果真是這樣，AI的對齊方向將決定整個開源生態的走向。

• 失去學習和歸屬感這些人類動機後，開源的未來變得不確定
• AI對齊問題將不僅影響程式碼品質，還將左右生態系統的運作方式

為AI而非人類設計的語言可能出現

人類設計程式語言時始終面臨一個取捨：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，沒有什麼能保證AI會面臨同樣的困境。如果人類不再需要閱讀程式碼，全新形態的語言完全可能出現。

這是他文章中最激發想像力的部分。

• 編譯時期捕獲還是執行時期捕獲這個古老爭論，對AI來說可能毫無意義
• 如果語言不需要人類可讀，設計限制將徹底改變

現實與想像之間

五個預測中，套件依賴的減少和強型別語言的崛起是已經能在實際工作中感受到的變化。其餘的需要三到五年來驗證。

有一點是確定的：理解程式碼如何被創造出來的結構性能力，將比寫程式碼的能力更有價值。