随着人工智能的普及，网络上充斥着大量低质量的“垃圾”内容。这反映了一种现代趋势，即过度追求效率和可量化的指标，而忽视了真正的工艺、创造力和品质。本文以音乐和软件开发为例，论述了平台机制如何影响内容质量，并指出 AI 虽然擅长在“足够好”即可的环境中高效产出，却无法替代深度思考和工匠精神。作者认为，软件行业早已存在质量下滑的系统性问题，AI 无法解决这一根本挑战，并呼吁借鉴历史上的工艺美术运动，重新重视手工艺和创新，以推动软件领域向更多样化、更高质量的方向发展。
技术、指标与“垃圾”内容
现代社会普遍存在一种名为 “技术 (technique)” 的思维模式，它将所有活动简化为一套实现可衡量目标的最高效方法。在这种模式下，一个作品的好坏不再取决于其内在的美感或工艺，而是看它能否用最少的精力换取最大的“参与度”或收入。
对指标和结果的痴迷，会侵蚀创造性工作中所有无形的东西，比如工艺、美感或乐趣。
这种追求效率最大化的思维方式，正在摧毁工艺感、尊严和人类的自由。AI 正是在这种纯粹优化的虚无空间中最为成功，因为它能大量生产“足够好”的内容，其“利润最大化”的效率远超人类。
平台如何塑造内容：以音乐为例
不同的平台机制会催生不同类型的音乐。
- Bandcamp： 侧重于完整的专辑和个人策展，其模式促进了独立音乐的繁荣。它关心的是 音乐本身。
- Spotify： 以播放列表和算法推荐为核心，催生了大量平淡、专门针对算法的背景音乐。它关心的不是音乐，而是 指标。
对于像 Bandcamp 这样以音乐为核心的平台，AI 的存在是充满敌意的。而对于 Spotify 这样的平台，AI 则是理想的工具，因为它能高效地产出符合指标的内容。
软件行业的“管道工”困境
在 AI 出现之前，许多软件的质量就已经很低。大型科技公司的软件工程常被比作“管道工”，工作内容只是将各种系统连接起来，让数据得以流动。
在一个被非竞争性垄断保护、基本不受市场压力影响的环境中，软件实践变得粗制滥tou，组织变得臃肿，质量因此遭受重创。
大型科技公司极端的劳动分工，导致工程师的角色变得异常狭窄，许多更广泛的工程技能——更不用说工匠精神——都在萎缩。这导致了两个现象：
- AI 的威胁： 对于那些工作已变得重复、狭隘，专门生产低质量软件的工程师而言，AI 的确构成了真正的威胁，因为它非常擅长做这些事。
- 对 AI 的过度吹捧： 认为 AI 能完成“大部分，甚至全部”软件工程工作的想法，实际上是对软件开发的一种极度狭隘的理解，就像认为算法音乐就是音乐的全部一样。
AI 的真实能力与局限
尽管 AI 在某些方面无疑是实用的工具，但它存在严重的根本性限制。
- 它会“说谎”，并不能真正理解事物。
- 它经常生成糟糕或有问题的代码。
- 它无法读懂你的心思，也没有自己的思想。
- 它最擅长处理的，是那些定义明确、已有成熟解决方案的问题，比如“编写单元测试”。
作者在尝试使用 AI 进行“氛围编程 (vibe coding)”后，逐渐对其千篇一律的风格感到厌烦。AI 倾向于生成冗长、设计扁平且丑陋的代码。当出现问题时，调试过程也变成了一个不断重复告诉 AI“这里有 bug，请修复”的 frustrating 循环。
AI 可以让我们更快、更有效地制造出不那么好的软件。但它无法解决软件行业最主要的系统性问题——我们仍未完全弄清楚如何规模化地构建优秀的软件。
要解决这个问题，需要的是 真正的工匠精神和人类的批判性思维。
呼吁软件领域的“工艺美术运动”
作者从第二次工业革命时期的 工艺美术运动 中获得启发。当时，面对机器工业化生产对个体工匠的取代，约翰·拉斯金和威廉·莫里斯等人并未拥抱这一趋势，而是回顾并复兴了中世纪的手工艺传统。他们正确地认识到，有些事情是机器无法做到的。
我们今天的软件开发也需要一场类似的运动。
- 重新发掘被遗忘的思想： 计算历史中充满了大量未被充分探索的宝藏，许多早期的软件项目在设计上展现出的美感和巧思是当今软件所缺乏的。
- 摆脱路径依赖： 我们当前的技术路径（从 C/Unix 到 Javascript/Web）非常狭窄，还有广阔的领域等待探索。当你尝试做一些非传统的事情时，AI 往往变得毫无用处。
随着主流软件的局限性日益暴露，软件质量持续下降，也许这正是 实验性的、人造的、人性化规模的软件 在边缘地带大放异彩的绝佳时机。当工匠精神变得稀缺时，它也会变得更有价值。