人工智能改变了重写的经济学，因为具有清晰、常见模式的代码库比专有或不一致的系统获得更多的杠杆作用。我的软件重写看法因人工智能而改变。人工智能输出的质量并不单纯由你的提示决定，而是由模型从训练数据中已知的内容，以及你提供的工作上下文决定。对于编码任务，大部分上下文就是代码库。流行的技术栈具有人工智能优势，因为模型已经看到数百万个示例，包括已发布的来源。专有语言和私有框架则正好相反，具有不一致的模式 - 这些需要通过有限的上下文窗口进行教授。比较这两种工作流程：阅读功能规格。阅读具有清晰、一致、成熟模式的代码库。生成实现。与之对照的是：阅读功能规格。阅读带有专有/遗留语言和历史包袱的不一致代码库。阅读额外的示例和文档。生成实现。在第一个工作流程中，代码库具有模型容易理解的既定模式。而在第二个工作流程中，模型必须花费精力推断这些模式，然后才能解决问题。更多上下文意味着更多的令牌，更加频繁的提示，更大的变化，通常质量较低的输出 - 也就是成本。重写不仅是现代化技术栈的机会 - 还是围绕清晰、一致模式重建代码库的机会，这些模式发挥人工智能的优势而不是与之对抗。你可以选择使用人工智能来解决问题，或者花时间让人工智能先学习你的语言。失去的时间就是你的竞争对手的优势，而差距不仅仅在于速度 - 还在于输出质量。我认为这改变了软件重写的经济学。