作者在假期后的初步观察是，大型语言模型已达到能够可靠地生成有用且经济实惠代码的阶段。这促使人们重新审视软件开发经济学，其中代码生成不再成为主要约束。作者发表了相关思考，指出在人类指导下，机器将越来越多地构建软件，这需要架构层面的变革。GitLab 随后展示了适用于机器级并发和生命周期上下文的架构组件。Anthropic 近期发布的《AI 原生 SDLC 指南》进一步强化了这一转变，指出代码已不再是瓶颈。这一转变意味着规划需变为机器可读，交接实现自动化，验证嵌入其中，而人类判断则聚焦于关键决策点。作者关注的是：当人员、智能体和模型以机器速度运行时，什么将变得稀缺，以及企业架构需要如何调整。Stripe、Spotify 和 Amplitude 等公司的经验进一步巩固了这一信念：根本性的变化不仅在于代码生成速度的提升，更在于实现成本降低后所引发的经济与架构层面的转变。约束条件已从“生成代码”转向“信任代码”，而信任取决于模型所处的环境，包括上下文、验证机制与治理体系。过去六十年来，软件工程一直围绕代码的珍贵性与高昂成本组织，影响了从遗留系统维护到开发者生产力优化，再到广泛的发布前仪式。然而，这一约束正在瓦解，正如以往的技术抽象一样，新的问题随之暴露。代码生产正变得充裕，但优质软件依然稀缺。快速实现与正确性、安全性及业务意图遵循度之间的差距，构成了新的挑战。廉价的迭代从根本上改变了策略，将重心从前期消除不确定性转向更快的学习与适应。组织知识以往存在于人类头脑中，如今可越来越多地转化为可执行代码，将生产故障转化为回归测试，将安全事件转化为策略。作者提出，关键的经济单位应是“每次被接受变更的成本”，而非“每行代码的成本”，因为 AI 大幅降低了生成成本，使得其他方面的重要性相对提升。Stripe、Amplitude 和 Spotify 等公司已在应对这些变化，其经验表明，AI 智能体并非消除现有的工程约束，而是将其暴露出来。企业开发向 AI 的过渡很可能以三种共存模式发生：人类控制的遗留系统、智能体加速的开发，以及自主开发。