每项重大AI发布都在追逐相同的几组数据：每秒生成更多token、基准测试分数再创新高、推理延迟一降再降。

这些指标当然重要。

打开网易新闻 查看精彩图片

但它们在大多数团队经历数月AI辅助开发之后，并不是真正的瓶颈。

真正的瓶颈很简单：没人记得当初为什么要构建这些东西。

软件开发已经进入一个相当微妙的阶段。写代码这件事正变得前所未有地容易，理解现有代码反而越来越难。颇具讽刺意味的是，AI同时加速了这两个趋势——它产出软件的速度，已经超过了团队消化其中决策的能力。

想象一个成熟的代码库。它里面远不止源代码本身，还塞满了经年累月的取舍判断：那些被否决的设计方案、临时性的妥协策略、为解决性能问题打的补丁、出于安全考量做的架构调整，以及压在底层的一连串业务需求。

这些知识碎片常常比实现本身更有价值。

可它们恰恰是消失得最快的东西。开发者在快速迭代中切换上下文，新人接手旧模块时面对一片空白，而AI生成的代码背后，连一个解释为什么选方案A而不是方案B的注释都不会自动附上。

代码库也许需要一个第二层结构。

一层负责存储代码，另一层负责存储理解。一层记录实现细节，另一层记录设计意图。当AI工具能够同时访问这两层信息时，它们就不再表现得像一个代码生成器，而开始像一个能够跑马拉松的工程协作者。

这条路径让人感觉比单纯把上下文窗口越做越大有意思得多。