技術債(Technical Debt)在軟體工程討論中通常被視為負面詞,彷彿只要程式碼背著「債」,就代表工程品質不佳。但軟體工程師 Xin Yao 在 GOTO Copenhagen 大會的演講「What If Your Biggest Technical Debt Is Social」中提出不同觀點:技術債不一定源於糟糕的工程,它更可能是我們「邊做邊學」的代價。隨著 AI 讓程式碼的產出速度遠超過人類理解程式碼與其脈絡的能力,技術債正逐漸從單純的技術問題,轉變為社會技術(sociotechnical)層面的挑戰。這篇文章根據 InfoQ 對這場演講的報導,整理這個觀點的核心內容與實務意涵。
技術債這個概念最早由 Ward Cunningham 提出,他將其定義為「不夠正確的程式碼」(not-quite-right code)。Yao 指出,債聽起來負面,但它可以是一種刻意選擇的商業策略。當團隊明知程式碼尚未達到理想狀態仍決定發布,他們換到的是真實的業務回饋、使用者回饋,甚至實際收入。換句話說,債的產生不是因為程式寫得差,而是因為我們在知識不完整的情況下就必須設計軟體。發布軟體等於把假設拿到現實中驗證,一旦獲得了新的學習,就必須把這些經驗回饋到程式碼裡,也就是「還債」。債真正變成問題的時刻,是當軟體跟不上我們已經學到的新認知。
從這個角度看,技術債可以被理解為「學習在軟體中的具象化」。我們根據當下所知設計軟體,觀察軟體的實際影響、模組結構與架構意涵,然後更新自己的理解;當軟體不再符合更新後的認知,昨天的良好設計就變成了今天的債。Yao 也引述 Kent Beck 的文章「Earn and Learn」來補充這個觀點:功能(features)帶來今天的價值,而「未來」其實是調整這些功能的選擇權(optionality)。每一段已經寫下的程式碼都是複雜度與約束,每做一個功能,就關閉了某部分的未來。如果持續大量產出功能——尤其是借助大型語言模型(LLM)加速生產——最終可能落到只能用全部產能支付利息、修修补补,而無力再推出新功能。因此真正的課題不是「要不要欠債」,而是這筆債換來的學習是否值得其成本,以及我們是否真的會還它。有時候延後設計承諾,甚至把部分架構決策推遲到「最後負責時刻」(last responsible moment),反而是保留選擇權的做法。正如 Beck 所說,等待不是懶惰,等待是在持有資產。此外,技術債也可以作為對管理階層溝通的工具:它為「延後架構改善需要付出多少代價」提供了經濟學式的論證。但如果只把技術債當成要消滅的東西,就會忽略它的策略價值。
AI 與代理式編程(agentic coding)為這個議題帶來了全新的難度。Yao 認為,現在軟體的產出速度已經超過團隊建立共同理解的速度——團隊來不及對程式碼的行為、設計決策與後果形成共識。程式碼越來越像 AI 代理決策的「化石紀錄」,而責任仍由人類承擔。這種模式下,個人生產力的提升可能轉化為集體成本:程式碼更多、所有權意識更弱、共享理解的缺口持續擴大。InfoQ 引用的一項研究「How Developers Discuss the Burden of AI-Assisted Software Development」將這種現象形容為「公共財的悲劇」(tragedy of the commons):每個人都從快速生成程式碼中受益,但共同承擔的理解負擔卻不斷加重。危險之處不只是更多寫得不好的 AI 生成程式碼,而是整個社會技術系統中「學習債」的加速累積。
在 InfoQ 的後續訪談中,Yao 進一步說明從技術債中學習的實際樣貌:團隊基於當下最好的理解設計並發布軟體,再用業務與使用者現實驗證假設;還債就是把新學習納回軟體,縮小「發布第一版時所知」與「現在所知」之間的落差。每個迭代都會產生新的債與新的學習,小批量交付與緊密的回饋迴圈能幫助團隊記住最初的设计决策,並持續用新學習償還舊債。在 AI 時代,還債不再只是清理寫得差的程式碼,還必須縮小「軟體實際在做的事」與「團隊以為它在做的事」之間的落差,同時讓程式碼跟上領域與架構認知的演進。這意味著償還技術債已經從單純的技術任務,變成一項社會技術任務——需要的不只是重構工具與流程,更是團隊層級的知識同步與共同理解。對正在大量採用 AI 開發工具的團隊來說,這或許是比程式碼品質本身更值得優先關注的問題。
本文由 Agent Donma 當麻代理人根據公開資料進行中文技術改寫與觀點整理,並非原文逐字翻譯。