The difference between "today's task" and "accretive work"

背景

本文出自科技作家 Cory Doctorow 的博客 Pluralistic，最初发布在 Hacker News 上。文章围绕一个核心悖论展开：为什么有些程序员借助 AI 写出了“一生中最好的代码”，而另一些同样资深的程序员却因 AI 带来的技术债务噩梦，甚至认为“飞机再也不安全了”。Doctorow 引入“centaur 与 reverse centaur”的框架，将看似矛盾的现象解释为本质不同的两种工作方式。他还借用了数学家 Alex Kontorovich 的“canonization”（规范化）概念，以及软件工程师 Kellan Elliott-McCrea 对“today's task”（今日任务）与“accretive work”（积累性工作）的区分，进一步探讨 AI 时代个人生产力与集体技术债务之间的张力。

核心内容

1. 悖论与破解：centaur 与 reverse centaur

Doctorow 指出，许多关于 AI 编程效果的矛盾报告，源于人们误以为所有程序员在使用 AI 时做的是同一件事。实际上，可以分为两类：

• Centaur（半人马）：这类工作者有权决定是否采用自动化，并主导 AI 的使用方向。他们利用 AI 写个人工具、自动化脚本，得到的是即时的、定制化的生产力提升。他们像“半人马”一样，人（决策者）与马（工具）融为一体，人始终在驾驭。
• Reverse centaur（反向半人马）：这类工作者被强制降级为 AI 系统的外围设备。他们被要求以超人的速度“给 AI 的作业打分”，并承担 AI 出错的责任。这种模式下的代码质量极差，导致技术债务堆积。反向半人马的工作不是赋能，而是被胁迫——因为如果拒绝，失业大军会立刻顶上。

这一区分解释了为什么同样是使用 AI，有人产出优质代码，有人却制造出“技术石棉”。

2. Vibe coding：个人赋权还是技术癌变？

“Vibe coding”指非专业程序员通过自然语言或简单工具（类似早期 HyperCard、Visual Basic 等）直接创建个人软件。Doctorow 认为，这种模式可以追溯到 shell 脚本、Applescript 等传统：让技术新手无需经过专业程序员就能定制自己的工具。这是好事，因为它属于“个人软件”范畴，写一次就用，无需长期维护。

但问题在于，当同样的“vibe coding”被用来生产面向他人的“生产代码”时，就变成了灾难。AI 向老板们推销的叙事是：裁掉大多数工程师，让幸存者以恐惧为驱动，为 AI 的垃圾代码擦屁股。这显然是一种糟糕的代码生产方式，只会产生海量不可维护的债务。

3. Canonization：从“跑起来”到“可积累”

Kellan Elliott-McCrea 在一篇关于 AI 与数学定理证明的文章中，借用了 Alex Kontorovich 的“canonization”概念：

• Canonization（规范化） 是指将一次性、局部性的形式化工作转化为“库数学”——通用、可复用、连贯、高效且与现有体系兼容的过程。规范化不仅改变代码的表述，还会改变抽象层、API 甚至问题本身。
• 相应地在软件领域，canonization 就是让代码“对社会建构而言是可理解、可操作、可迭代、可改进的”。这区别于仅仅“I got it working”（让它跑起来）。

Elliott-McCrea 指出，free/open source 软件之所以成为技术生态的基石，正是因为经过数十年规范化积累，形成了公开仓库中可构建的智力成果。

4. 今天的任务 vs. 积累性工作

Doctorow 强调，“I got it working”并非没有价值。一次性、即用即弃的软件（如个人脚本）有充分的适用场景。问题在于，当这种一次性思维被不加区分地用于生产系统，就会制造技术债务。真正的积累性工作（accretive work）是规范化（canonization），它让未来的人可以在此基础上继续构建。

5. AI 产业正在吞噬种子粮

文章的批判性落脚点：AI 产业为了收回疯狂的投资成本，必须制造尽可能多的 reverse centaur，同时排斥 centaur 式的工作方式。其逻辑是：只有大量裁员并迫使幸存者无休止地为 AI 的错误善后，才能勉强弥补投入。

与之平行的是，AI 可以生成大量“跑起来”的代码，甚至能无限地证明定理，却几乎无法产生“库数学”——即那些通用、可复用、连贯的积累性成果。AI 产业正在消耗由开源社区数十年积累的“种子粮”（seed corn），却没有向其中注入任何新的积累。正如 Elliott-McCrea 所言，“知识的社会生产正是种子粮本身”。

关键要点

• “today's task” vs. “accretive work”：前者是让代码跑起来即可，适合个人一次性使用；后者是使代码可被他人理解、维护、迭代的积累性工作，是技术生态可持续的基础。
• Centaur vs. reverse centaur：前者主动使用 AI 为自己赋能；后者被 AI 系统支配，被迫为 AI 错误负责，导致技术债务爆炸。
• Vibe coding 的双面性：作为个人定制工具是赋能（类似 HyperCard 传统）；作为生产代码的方式则是有害的（技术石棉）。
• Canonization（规范化） 是积累性工作的核心：将一次性代码转化为可复用的库级成果，需要社会协同与长期投入。
• AI 产业的逆向激励：由于资本结构迫使 AI 公司追求裁员替代，它们必然偏好 reverse centaur 模式，并排斥 canonization 工作，最终消耗而不是积累技术生态的种子粮。

意义与影响

这篇文章对当前 AI 热潮中的“效率神话”提出了尖锐的批判。它提醒我们，技术本身并无善恶，关键在于谁在使用、为何使用、如何组织劳动。当 AI 被用作管理工具来压迫工人（反向半人马），它带来的不是进步，而是系统性技术债务和人性尊严的丧失。相反，当 AI 被用作个人自主的工具（centaur），它可以延续历史上“个人定制软件”的解放传统。

对于软件行业、企业决策者和政策制定者而言，Doctorow 的分析指出了几个关键启示：

• 不能仅仅用“代码是否跑起来”衡量生产力，必须区分一次性任务与积累性贡献。
• AI 驱动的开发如果不配套规范化和维护投入，只会让技术系统变得更加脆弱和不可持续。
• 开源社区的“种子粮”是不可再生资源，AI 产业不应只索取不回报。如果社会放任 AI 公司消耗规范化的成果而不反哺，最终整个数字基础设施将陷入技术债务的泥潭。

这篇文章不仅是对 AI 编程现象的解析，更是对科技资本主义下劳动异化与技术债的深刻社会批判。它呼吁我们重新审视“效率”的定义，并在自动化的浪潮中坚守人的主体性与知识的积累性。