简介:本文对比从零构建的新系统与多年运行的大型存量分布式系统,在让AI承担技术方案设计时的上下文、风险与落地条件。读者可据此判断何时适合直接生成方案,何时必须先补齐可验证的工程知识,并了解选型与迁移时的关键边界。
很多团队第一次用AI写代码时会形成两种截然不同的体验:在空白仓库里从零搭一个小系统,生成速度和完整度往往超出预期;一旦进入运行多年的大型分布式系统,同样的模型会开始“局部看起来对、整体却不能上线”。这不是单纯的模型强弱问题,而是两类工程对象对上下文、约束和验证方式的要求根本不同。
本文对比的对象是:
二者都可以让AI参与架构判断,但“能写代码”不等于“能当架构师”。架构职能的核心是:知道从哪里入手、哪些地方不能动、改动如何被证明没有破坏系统不变量。
新系统像一张白纸。领域对象、接口契约、状态机、部署拓扑都可以在方案阶段一起定义。AI的优势在于快速把需求展开成模块划分、接口草案、数据模型和基础测试。错误的代价主要是返工,而不是打断已有下游。
它解决的问题是:在需求相对完整时,缩短从想法到可运行骨架的时间,并保持方案与代码的一致性。
存量系统像一座旧城。一个字段能否删除、一条消息能否改语义、校验应放在网关还是领域服务、配置是否必须跟灰度一起生效,这些约束往往不完整地写在当前代码里。它们散落在历史方案、事故复盘、配置说明、发布记录和团队口头约定中。
它要解决的问题是:把这些事实变成AI可检索、可引用、可核对的工程上下文,使方案不仅“能实现需求”,还“不破坏既有正确性”。
两类场景的目标一致:把业务诉求转成可落地的技术决策,而不是只生成一段能编译的代码。
共同点包括:
新系统的主要输入是本次需求。模型可以用通用模式补齐缓存、重试、幂等等设计,偏差通常能在评审中改正。
存量系统的关键知识经常不在当前函数里。例如:某字段被离线任务依赖,删除后在线接口仍正常,批处理却失败;某同步调用看似方便,却吃掉核心链路的超时预算;消息只能新增字段、不能改变旧字段含义,否则历史消费者会解析失败。人类靠长期参与记住这些事实,AI如果没有同等材料,只能做局部推断。
新系统更常见的是结构不优雅、抽象过早或遗漏非功能需求。存量系统更常见的是“局部正确、整体错误”:单测通过、调用链看起来合理,但破坏了兼容性、容量或发布顺序。
新系统方案重点是模块怎么划分、数据怎么建模、接口怎么演进。存量系统方案还必须回答:影响哪些上下游、哪些语义冻结、如何灰度、如何回滚、如何证明旧行为未被改变。
新系统可以用构建、单测和端到端演示验证。存量系统还需要契约对比、兼容性检查、配置与发布绑定关系、超时预算和依赖拓扑核对。没有这些检查,高完备度只能是主观感觉。
新系统的主要成本是需求澄清和后续重构。存量系统的主要成本是知识整理、影响面分析和安全发布。后者前期更慢,但能避免把错误放大成大面积代码改动。
| 维度 | 新系统原型 | 存量分布式系统迭代 |
|---|---|---|
| 系统边界 | 可一起设计 | 已存在且常跨多服务 |
| 关键上下文 | 需求与通用模式 | 代码加历史约束与运行约定 |
| 典型风险 | 设计过度或遗漏 | 局部正确、整体破坏兼容或容量 |
| AI合适角色 | 快速起草架构与骨架 | 在知识完备后做影响面推理与方案起草 |
| 验证重点 | 功能可运行 | 兼容、灰度、回滚、不变量不被破坏 |
| 失败代价 | 主要是返工 | 可能影响在线链路与历史下游 |
| 前置条件 | 需求较完整即可起步 | 还需知识库、契约和发布事实 |
| 人力重心 | 产品与架构取舍 | 约束确认、审计与发布控制 |
更适合按新系统方式推进的情况:全新业务、独立试点、可抛弃原型、没有必须兼容的旧数据或旧消费者。此时可以让AI先产出多种架构草案,再由人选定边界,避免过早引入复杂治理。
必须按存量方式推进的情况:核心交易或退款等长生命周期业务、存在多版本消费者、配置与灰度强绑定、曾发生过“删字段或改消息语义”类事故。此时不应让AI直接改代码,而应先产出影响面清单和不可变更约束。
中间状态:遗留模块外再包一层新服务。新服务内部可以按白纸设计,但与旧系统的接口、数据和消息边界必须按存量规则处理。忽略这一刀,新服务会把旧约束重新耦合进来。
条件化判断可以概括为:需求完整且外部依赖少时,生成式设计的收益最高;依赖多、语义冻结多时,知识工程和验证机制的收益高于多写几版代码。
若目标是让AI稳定承担架构师职能,而不是偶尔写出正确补丁,存量系统需要补四类材料,且每类都要能被引用和核对。
在需求完整、上述知识可检索、并且方案能自动对照契约与检查清单时,AI原生方案的完备度才有条件稳定处于高位。完备度应定义为:约束覆盖、影响面列出、验证步骤可执行、审计痕迹可回溯,而不是文笔完整。
示意性的方案骨架可以保持中立、与具体平台无关:
目标与非目标不可变更约束(字段、消息语义、超时、发布顺序)影响面(服务、任务、消费者、配置)方案选项与取舍理由兼容与灰度步骤验证:契约对比、关键用例、回滚条件待人工确认项
缺少“不可变更约束”和“待人工确认项”的方案,不应视为可执行架构输出。
从“AI直接改代码”迁到“AI先出可审计方案”,需要单独评估这些风险:
新系统与存量系统的差别,不在于AI会不会写代码,而在于判断所依赖的事实是否已经在上下文中。白纸场景适合快速形成可运行架构;旧城场景必须先把不可删除的语义、不可打破的预算和不可跳过的发布顺序变成可检索、可验证的材料。选型时看依赖是否复杂、错误是否可回滚、知识是否完备,再决定AI是起草原型,还是在约束内独立产出技术方案。速度只有在方向可审计时才是收益。