「反馈天花板」：莱曼软件演化定律在 AI 智能体时代的新解读

在 AI 智能体被广泛用于辅助甚至主导软件开发的今天，一个根本问题被反复提及：软件演化的边界究竟在哪里？近期一篇技术博客回顾了计算机科学家 Meir M. Lehman 自 1960 年代后期提出的「软件演化定律」，并结合开源、闭源以及 AI 智能体的实践，提出「反馈天花板（The Feedback Cap）」这一概念，试图回答软件增长、协调与质量之间的张力。

莱曼定律：从 OS/360 到分布式时代

Lehman 的研究始于对 IBM 大型机操作系统 OS/360 发布数据的分析，后续在论文《Programs, Life Cycles, and Laws of Software Evolution》中归纳出若干定律：

• 软件持续变化；
• 复杂度不断上升；
• 增长存在统计可预测的自调节；
• 投入人数对工作速率影响有限；
• 用户熟悉度需要被保留；
• 软件持续增长；
• 质量在不维护时下降；
• 演化受多层级多智能体反馈系统驱动。

这些定律在随后数十年里被反复验证、反驳和修正。1988 年 Pirzada 针对三个 UNIX 系统的研究表明，莱曼定律可能更适用于商业开发场景，而非学术或研究环境——商业场景的截止日期、盈利压力、业务指标变更等约束，是研究项目不具备的。2000 年 Godfrey 与 Tu 发现 Linux 内核呈超线性增长，挑战了「自调节增长」的普适性；2009 年 Xie、Chen 与 Neamtiu 的研究则发现部分项目质量随时间提升，质疑了「质量必然下降」的结论；2010 年 Israeli 与 Feitelson 进一步观察到 Linux 内核平均复杂度在某些阶段反而下降。目前学界较为普遍的立场是：变化与增长是普遍规律，而自调节和恒定速率等结论应限定在受管理的商业开发之中。

重新分配工作：AI 智能体冲击协调上限

作者从中提炼出一个观察：劳动方式的重新分配会消解上限类定律，却保留变化与增长类定律。开源分布式协作打破了商业开发中存在的协调天花板，使得一部分定律失效；而关于持续变化与持续增长的判断，则跨越场景依然成立。

AI 智能体正在让软件构建的协调方式发生又一次重新分配。理论上，智能体可以以更低边际成本生成、改写、维护代码，使开发能力大幅扩展。但作者提醒，无论产能如何提升，软件的演化依然受限于其从环境中获得的反馈——用户交互、错误报告、功能请求、不同细分群体的需求等，这些压力构成演化的真实驱动力。

「反馈天花板」：软件演化的真正瓶颈

基于此，作者提出「反馈天花板」概念：任何软件系统的演化上限，本质上取决于其能从环境回收多少反馈，而非其生产能力。PC、互联网和智能手机等分发方式的演进之所以推动软件演化，是因为它们扩大了可触达用户数和反馈量。但天花板依然存在——它同时受限于可服务的用户规模，以及从用户那里持续获取的注意力。

AI 智能体在短期内会进一步压榨软件构建的协调上限，却无法打破反馈天花板。即便智能体本身也作为软件使用者、产生新的反馈流，它们仍然在替代某个主体（人或组织）行动，需求和注意力最终仍由真实主体承载。这意味着：如果反馈系统成为瓶颈，那么再多的智能体协调、代码复杂度与规模扩张，都难以推动软件向更高阶段演化。

这一框架的价值在于，把 AI 时代关于「代码产量」与「开发效率」的讨论，拉回到「软件如何与真实世界持续交互」这一更基础的命题上。