AI 开始让我们忘记什么是软件工程
内容提要
作者在费率套利扫描项目中，四天内完成服务器与代码仓库迁移，将手动采集改为滚动采集7天历史数据并自动发布排名快照，持续优化采集与发布效率、修复数据不全问题，共提交281次、部署258次。他由此反思：AI虽让Demo开发极快，却未减少工作量，反而压缩工期，使人忽视软件工程的客观复杂度与规律。
延伸解读
Demo 与生产平台之间的鸿沟
作者用费率套利扫描项目说明，AI 让同事十几分钟就能采集数据、出页面，但自己的项目却索引慢、数据不全。这揭示了 Demo 与可持续运转平台之间的巨大距离：Demo 只需跑通一次，而生产平台要处理滚动采集、自动发布、效率优化和持续修复。AI 加速了前者，却未消除后者的工程复杂度。
AI 压缩工期而非减少工作量
作者四天内提交 281 次代码、触发 258 次部署，每次部署 5 到 10 分钟，之后才能验收。这说明 AI 提高了开发效率，但程序员的工作量并未减少，而是被压缩进更短的工期。快速迭代成为常态，但软件工程客观存在的复杂度和规律并未消失，只是被忽视。
小问题被 AI 消化，但工程规律仍在
作者提到有些小问题 AI 自己就消化解决了，他都不需要知道问题的存在。这看似省心，却可能让人忽略软件工程应有的设计、测试和排查过程。就像他理解了解释器原理，但与真正开发编程语言仍有巨大差距——原理认知不等于工程化能力，AI 辅助开发同样不能替代对工程规律的把握。
Q&A
AI 让开发 Demo 变得很快，为什么作者却说它让人忘记了软件工程？
因为 AI 虽然能快速做出 Demo，但建设一个能持续运转、滚动采集全量数据的平台，与做 Demo 之间有巨大距离。软件工程本身有客观的复杂度和规律，AI 提高了开发效率，却让人误以为快速迭代就是软件开发应有的样子，从而忽视了这些复杂度。
作者在费率套利扫描项目中四天做了哪些主要工作？
10月28日迁移服务器和代码仓库；10月29日将手动触发采集改为滚动采集7天历史数据并自动发布排名快照；10月30日优化采集和发布效率；10月31日解决采集进度和排名数据不全的问题。四天共提交281次代码，触发258次自动部署。
AI 提高了程序员效率，为什么作者感觉工作量没减少？
因为 AI 虽然加快了开发速度，但并没有减少程序员的工作量，而是相应缩短了软件开发的工期。作者四天内提交281次、部署258次，每次部署后还要验收结果并继续改动，实际投入的时间和注意力依然很大。
为什么 Funding Spy 项目索引数据这么慢，作者也说不清原因？
作者表示自己也不知道为什么慢，只知道在过程中遇到了很多小问题，不断修复和优化，但数据仍然总是不全。有些小问题 AI 自己就消化解决了，作者甚至不需要知道问题的存在，因此难以说清根本原因。
作者用过去做项目的周期对比，想说明什么？
以前做项目通常1个月设计原型、3个月出 Demo、6个月开发成型，甚至迭代一两年。现在有了 AI，两小时做 Demo、两三天开发产品。作者想说明效率提升速度变快，但大家似乎忘了软件工程客观存在的复杂度和应有的规律。
作者提到自己会写二元表达式语言的解释器，这和他对软件工程的反思有什么关系？
作者理解了解释器的基础原理，但知道这与真正开发一种编程语言之间差距非常大，因为编程语言是工程化的产物，理解原理和工程实现不是一回事。这呼应了他对软件工程复杂度的强调：懂原理不等于能做好工程。
