都说 AI 写代码有 10 倍提效。但很多人发现：小项目、小工具上确实起飞，一到大型企业系统就各种拉胯。为什么？🤔
先引入一个概念：可驾驭性（Harnessability）——它是智能体在给定任务上的能力上限。
一个任务能被驾驭工程解决到什么程度，不取决于驾驭技巧多花哨，而取决于两件事：软件本身有多复杂，以及人对它理解得有多深、多完整。
Martin Fowler 团队的 Birgitta Böckeler 有个说法叫"环境可供性"：强类型语言自带类型检查当传感器，清晰的模块边界支持架构约束，框架帮你屏蔽底层细节。智能体能不断自主迭代的前提，是这个环境本身被构建得"可供驾驭"。
关键来了，所有技术投入分两类👇
📉 逼近上限：驾驭工程、循环工程、更强模型、更好评测——上限没变，只是抵达上限更快了，比的是执行效率。
📈 抬高上限：架构设计、模块拆分、重构解耦、技术债清理、代码数字孪生——把上限曲线本身往上抬，扩的是认知边界。
为什么 10 倍提效在简单软件上是真的、复杂软件上失效？因为软件复杂度差了三四个数量级，堪比自行车和航天飞机。个人小项目上限本来就极高，AI 跑得飞快；大型企业系统上限很低，AI 逼近到一定程度就撞墙。
所以更可能的真相是：AI 在复杂软件上不是"还没努力到那条高上限"，而是"已经撞在一条低上限上"。继续让它干更久、循环更多，收益会迅速递减。
真正能打开空间的，是回到对象维度去修架构、沉淀知识——去抬高那条上限。

下一条：OpenAI 那个百万行代码实验，恰恰是最好的证据。

#AI编程 #智能体 #可驾驭性 #软件工程 #软件架构 #AI写代码 #CodeWisdom