AI什么都能做，架构师只做减法

上周评审了一个项目。团队用 Agent 在三天内产出了三套完整的微服务方案，每套都带时序图、接口定义、容量评估。产品经理很兴奋：「三套都不错，我们选哪套？」 技术负责人说：「都先搭起来看看。」

我打断了：「哪套能先不上？」

会议室安静了三秒。

写作的代价在归零，写代码的代价也在归零。

2026 年 6 月，JetBrains Q2 调研给出了一个冰冷的数字：全球初级开发岗位需求同比暴跌 40%。微软 Build 大会上，Copilot App 正式进入 Agent 自主开发时代——从需求拆解、编码、单元测试到漏洞自查，全链路接管。谷歌内部新增业务代码 AI 生成占比已达 75%。Anthropic 在三 Agent 闭环（Planner/Builder/Judge）的演示中，40 分钟零人工接管搭建了一个完整的前后端应用。

「能做」不再是门槛。门槛变成了「不该做什么」。

这是我观察了五年的一个分水岭：从高级工程师到架构师，技术能力曲线其实在某个点之后就不再是决定因素了。真正拉开差距的，是减法能力。

我见过一个支付系统，五年里从单体拆成了 17 个微服务。拆分的理由每次都很合理：这个模块以后可能独立扩容、那个领域逻辑够复杂应该解耦、这边加一层网关方便统一鉴权。

五年后复盘：日常真正需要独立扩容的只有交易和结算两个服务。剩下 15 个服务吃掉了一整个团队的维护成本，而它们的调用量加起来不到总量的 8%。

这不是技术问题。这是决策问题。

最初那个架构师——当时还是高级工程师升上来的——在做每一次拆分决策时，问的问题都是：「能不能拆？」答案永远是能。该问的问题应该是：「不拆会死吗？」

一架飞机的设计目标不是飞得最高，是能在安全范围内飞得最久。一个系统的设计目标不是架构图最漂亮，是用最小的复杂度承载业务周期。

复杂度是会繁殖的。你加一个中间件，它就要监控、要升级、要排障、要写 runbook、要有值班的人懂它。这不是一次性的成本，这是一份按月计息的债。

去年帮一个电商团队做架构瘦身。他们的订单系统里有一个「规则引擎」，支持上百条动态配置的促销规则。我翻了翻日志：过去六个月，实际触发过的规则只有 14 条。剩下 80 多条规则对应的代码、配置界面、管理后台、测试用例，全在一个月一个月地吃掉工时。

更讽刺的是，因为规则太多，每次做促销活动运营方自己都不知道哪些规则会冲突，最后还是要人工核对。一个为了「自动化」而设计的东西，最后反而让自动化变成不可能。

我让他们做了一件事：先把 100 条规则中过去三个月没触发过的全部下线。上线照跑。然后逐步合并同类规则。最后剩 20 条，维护成本降了 70%，运营出错的投诉也消失了。

这不是技术优化，这是决策优化。你不是在砍代码，你是在砍掉团队注意力的无效消耗。

Agent 时代，这个道理被放大了十倍。AI 可以帮你生成 100 种架构方案、1000 个微服务拆解、10000 行胶水代码。但它不会告诉你：其中 90% 的复杂度是你的业务根本不需要的。它不会说「别做了」，因为它被训练来回答「怎么做」。

「不做」是一种人类专属的、反直觉的、极其昂贵的判断力。

Anthropic 那场 40 分钟的演示里有一句被反复引用的话：「赢家不会拥有最聪明的模型，他们会拥有最好的循环架构。」这句话的潜台词是：循环不是越复杂越好。最好的循环是最短的循环——去掉一切不必要的步骤。

我团队里在做架构决策时，四个问题是定死的：

这个组件不引入，系统跑不跑得动？

如果答案是可以，那它就不该进来。性能瓶颈不是靠预设中间件解决的，是靠压测数据驱动的。

这个抽象现在不用，未来三个月内确定会用到吗？

如果答案是不确定，那就等用到了再抽象。「可能以后用得上」是软件工程里最贵的一句话。

这个功能不做，用户流失率会上升吗？

如果答案是模糊的，那就先不做。绝大多数「核心功能」上线后的真实数据都很难看。

这个决策如果做错了，回滚的成本是多少？

如果答案是不可逆的，那就值得多花一倍时间去验证。可逆的决策做快一点，不可逆的决策做慢一点。

这四个问题的本质是在对抗一种惯性：工程师天然倾向于「证明自己能做」。架构师的职责是反着来的——证明什么不该做。

有人会误解「减法」就是少干活、不负责、躺平。完全相反。

做减法比你想象中难得多。你需要对业务有足够深的理解，才能判断哪些需求是伪需求。你需要对系统有足够细的认知，才能确定哪些组件真的多余。你需要对团队能力有足够清醒的评估，才能决定哪些复杂度他们撑不住。

这和外科手术一样：知道切哪里不叫本事，知道不该切哪里才叫本事。一个实习医生能做 100 种手术，但一个有经验的主任医师会在 30 秒内判断这台手术该不该做。

吴恩达在 2026 年 5 月的长文里说了一句话：「AI 不会造成就业末日，但岗位的性质在变。」他说的性质变化，本质上就是从「能做」到「该做」的跃迁。

JetBrains 报告里还有一个数据：初级岗位降了 40%，但 AI 系统架构师、AI 代码质量工程师这些新岗位在激增。这些岗位的共同点是什么？它们不生产代码，它们定义代码的边界。边界之内，AI 全权执行。边界在哪儿，只有人说了算。

Agent 不会跟你争「要不要上这个中间件」。它会默认你要上，然后帮你把配置写好、把测试跑通、把文档生成出来。等你发现问题的时候，系统已经运行了三个月，复杂度已经长进了每个模块的骨缝里。

这时候再想砍，就不是技术问题了，是政治问题了。

一个架构师真正的成长，不是画过的图越来越复杂，是划掉的方框越来越多。

你划掉的每一个不必要的组件、每一层多余的抽象、每一个「先做着以后再说」的需求，都是在给团队省下半年的命。

AI 替你写了所有能写的代码。剩下那些不能写的决定，才是你的位置。