Question：AI降低了软件开发门槛，为什么反而可能增加软件风险？
关于 AI 对程序员的影响，讨论最多的问题是：
AI 会不会替代程序员？
但这个问题可能低估了 AI 带来的变化，AI 真正改变的，不只是代码生产效率。
而是：
软件创造能力正在从专业开发团队，向更多个体扩散。
这是一件积极的事情，更多人可以把想法变成软件。
但是，一个新的问题也正在出现：
当越来越多人可以创造软件时，他们是否理解软件工程？
过去的软件行业，有一套长期形成的工程体系：
- 需求分析
- 系统设计
- 功能拆解
- 开发测试
- 发布维护
- 持续迭代
这些流程不是为了限制创造，而是为了保证软件能够长期运行。
AI 降低了软件创造门槛，但如果跳过软件工程，可能会带来新的问题。
Mechanism：软件工程为什么重要？
很多人误认为：
软件开发就是写代码。
但代码只是软件生产过程中的一个环节。
一个完整的软件项目，需要经历：
问题定义 → 需求分析 → 功能拆解 → 系统设计 → 开发实现 → 测试验证 →
上线运行 → 用户反馈 → 持续迭代
真正困难的地方，往往不是把代码写出来。
而是：
如何确定应该写什么。
Evidence：AI正在改变软件开发入口
过去：
想法 → 学习编程 → 寻找程序员 → 组建团队 → 开发软件
开发能力掌握在专业人员手中。
AI出现以后：
想法 → 人与AI协作 → 生成代码 → 测试修改 → 部署运行
软件创造入口正在降低。
Mechanism：但是，软件工程经验无法被跳过
生成一个 Demo，和构建一个可靠软件，是两件不同的事情。
AI 可以快速生成：
- 页面
- API
- 数据库结构
- 基础功能
但是软件进入真实环境后，会遇到：
- 需求变化
- 架构问题
- 性能问题
- 安全问题
- 长期维护问题
这些问题需要工程经验解决。
Evidence：项目经验本质是工程训练
很多程序员成长，不只是因为写了多少代码。
而是经历过真实项目：
- 第一次需求变化
- 第一次线上事故
- 第一次性能优化
- 第一次系统重构
这些经历训练的是：
如何在不确定环境中构建可靠系统。
AI 可以生成代码，但是工程判断仍然需要积累。
Boundary：AI不会让新人失去机会
问题不是新人不能使用 AI，恰恰相反，AI 会让更多新人快速进入软件创造领域。
但问题是：
不要把 AI 生成代码，误认为掌握了软件工程。
未来的软件开发，会出现明显分化：
AI操作型开发者
会使用 AI 工具，会生成代码，会快速制作 Demo。
优势是速度，限制是缺少系统判断。
AI工程型开发者
理解业务，能拆解问题，能设计系统，能验证结果。
AI 会成为他们的放大器。
Conclusion：AI降低创造门槛，但提高工程要求
AI时代最大的变化，不是程序员消失。
而是：
软件创造能力正在重新分配。
过去：会写代码的人，可以创造软件。
未来：能够定义问题、设计系统、验证结果的人，可以创造软件。
但是：创造软件 ≠ 做好软件。
AI降低了进入软件行业的门槛，同时提高了软件工程能力的价值，
因为代码正在变得越来越廉价。
真正稀缺的能力：
- 问题定义
- 系统设计
- 工程判断
- 长期维护
结语
《大教堂与市集》告诉我们：
软件生产方式可以从封闭组织走向开放协作。
AI正在推动下一次变化：
软件创造能力从专业程序员扩散到更多人，
但软件工程不会因此消失。
未来的软件世界，不属于只会写代码的人。
也不属于只会调用 AI 的人。
它属于：
能够驾驭 AI，并且理解软件工程的人。
AI让更多人进入市集，但真正能够建造大教堂的人，依然需要工程能力。