AI 正在从根本上改变软件重写的经济模型。当重写成本大幅下降，过去“不敢动”的遗留系统可能迎来新机遇，但决策天平并非简单倾斜。
发生了什么
Hacker News 上一条讨论指出，AI 代码生成工具（如 GPT-4、Claude、Copilot）显著降低了从头重写软件的成本和时间。开发者可以用自然语言描述需求，AI 生成大量样板代码，甚至完成架构转换（如从单体到微服务）。这使得“重写”从一个高风险、高成本的选择，变成了一个更可负担的选项。
为什么重要
传统上，软件重写被普遍视为最后手段。原因在于：重写成本高昂（通常数倍于重构）、周期长、且容易引入新 bug。企业更倾向于修补和重构，以保护既有投资。但 AI 降低了代码生成的人力成本，改变了这一权衡。
背景是：许多企业积累了大量遗留系统，维护成本逐年攀升。AI 重写可能成为一条出路，但并非没有陷阱。它不会自动解决业务逻辑理解、测试覆盖、数据迁移等深层问题。
影响与看点
- 决策模型变化：企业需要重新计算“重写 vs 重构”的 ROI。AI 重写适合模块化、边界清晰、文档齐全的系统；对于高度耦合、缺乏测试的“大泥球”，风险依然很高。
- 开发者角色演变：开发者从“写代码”转向“审查和集成 AI 生成的代码”，对代码质量、安全性和架构一致性的判断力变得更重要。
- 技术债务的新形态：AI 可能快速生成大量“看起来正确”但隐含技术债务的代码，团队需建立更强的代码审查和自动化测试机制。
- 独立判断：AI 不会消除重写的风险，而是转移了风险——从“写代码的成本”转向“验证和集成代码的成本”。真正的挑战仍在业务逻辑和系统理解上。
