Part VI · 驾驭复杂度

本部分收录于完整版

官网当前开放 Part I（第 1–4 章）免费试读。本部分（第 22–26 章）与其余章节收录于完整版，一次购买即可在线阅读全部 35 章。

AI 越能干，系统不一定越好管理。这一部分处理这个反直觉的现象：生成成本下降之后，复杂度为什么反而增长。

代码提交变快，团队要同时理解和协调的状态、关系与例外也在变多：退款申请创建了但支付渠道没确认，复核通过了但通知没发出去，批量任务重跑后金额算了两次。复杂度在这里指团队为了判断「下一步会发生什么」必须共同掌握的东西，它和代码行数不是一回事。

应对不是少用工具，而是把工作环境、执行回路、治理和系统边界分开设计：让模型看到该看到的，让行动有边界，让重要状态转换有人负责，让一次性的技巧变成可以重复运行的闭环。

例如一次退款链路的事故：订单、支付渠道、通知和人工复核各自都有状态，任何两处不一致，排查就会从「看代码」变成「对账」。

这一部分适合系统还能跑、但团队已经说不清它下一步会做什么的人读。先找出那些反复对账、反复解释、反复返工的地方，再决定要不要引入新的抽象。多数时候，问题不在工具太少。

读完这一部分，你应该能区分必要复杂度和偶然复杂度，也能说出自己的系统里哪一环最缺控制。

本部分核心问题

当 AI 越来越能干，为什么系统反而可能越来越难管理？

沿阅读路径前进