“构建软件的口头传统可能无法在人工智能中生存”
一句话看懂：一位兼具历史学家背景的软件工程师在 Fast Company 发文警告，软件开发长期依赖“口头传统”而非文档记录，而生成式 AI 虽能总结代码，却无法替代文档中所承载的“设计意图”，软件知识流失的问题可能因此加剧。
事件核心：发生了什么
文章作者指出，软件工程行业对文档的态度一直很矛盾。理论上所有人都认同文档重要，但实际上项目文档常常不完整、过时或根本不存在。这种状况部分源于开发者的惯性——写代码比写文档有趣得多。更深层的原因是敏捷开发运动兴起后，业界将“可工作的软件高于详尽的文档”奉为核心价值之一，在摆脱了瀑布模型过度文档化的同时，也使得“不写文档”成为常态。高离职率则持续消耗着领域知识。作者认为，用大模型生成代码库文档看似是个解决方案——LLM 确实能总结代码逻辑——但这无法取代真正的文档工作，因为写作本身就是思考过程的一部分，而 LLM 无法判断开发者为何选择某种方案、放弃了哪些权衡。
为什么重要
这一观点挑战了当前 AI 编程工具的主流叙事。目前市面上的 AI 代码助手（如 GitHub Copilot、Cursor 等）主打“看懂代码、生成注释、快速补全”，但它们的核心能力是模式匹配与统计预测，并非理解人类的决策链条。如果软件业长期依赖“写代码时留下的口头传统”来传递知识，AI 工具的自动总结反而可能掩盖知识流失的真实规模。对于企业开发者而言，这意味着代码可解释性和长期维护成本不会因引入 AI 而自动降低，甚至可能因忽视文档建设而变得更糟。
对用户/开发者/创作者的影响
对普通开发者来说，依赖 AI 生成文档可能会得到表面上通顺但实际上缺失了“为何这样写”的说明。对于团队负责人或技术管理者，文章提醒了一个容易被忽略的现实：AI 工具能帮你快速生成代码片段和注释，但它无法捕捉编写代码过程中的权衡、失败尝试和未写下来的设计理由。对于内容创作者或使用 AI 写作的人而言，这个逻辑同样成立——AI 可以复述你写过的内容，但不能代表你进行批判性思考和提炼。因此，文档仍需要人类亲自组织和维护。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
首先，目前尚无主流 AI 编程工具明确承诺可以“理解代码意图”，用户应对相关宣传保持谨慎。其次，是否会有企业因引入 AI 编程助手而削减文档团队或减少文档工时，值得观察——如果这类状况出现，反而可能证明作者担忧正在发生。最后，开源社区或企业是否会重新评估 Agile 宣言中“工作软件优于文档”的实践方式，将影响未来 1-2 年开发流程设计。
