2014年一篇论文的开源代码，被开发者用来"调试"COVID-19数据。这段代码写于大流行前整整10年。

为什么旧代码能解新题

论文作者当年构建的是通用流行病学建模框架，而非针对特定病毒。核心设计是模块化架构——把疾病传播、人群流动、干预措施拆成可替换组件。

这种设计让研究者能快速插入新冠参数：潜伏期14天、R0值2.5、社交隔离强度。代码无需重写，只换配置。

超前设计的代价

作者当年被审稿人质疑"过度工程化"。10年后，当各国政府急需预测模型时，这套框架成了少数能立刻跑通的工具。

开发者社区里流传一句话：「好代码像好疫苗——在需要之前就存在。」

AI能继承这种预见性吗

原文提到一个未实现的期待：让神经网络自动识别警示信号。10年前的作者没做到，今天的GPT-4也做不到——它能把代码跑通，却读不懂"这行注释在警告什么"。

真正的预见性来自人类对系统脆弱点的长期观察，而非模式匹配。这篇论文的价值，在于证明了基础设施投资的复利效应：当年多写的100行抽象层，换来了10年后省下的6个月开发时间。

对做产品的启示：你的技术债里，有没有藏着一笔"应急储备金"？