AI依赖型软件工程中的认知萎缩与系统性崩溃

论文提出"认识论债务"概念，警示过度依赖AI编程正在侵蚀工程师的心智模型，并带来认知萎缩、系统性崩溃（如2026年Amazon宕机事件）及代码同质化等风险，呼吁在享受AI效率红利的同时保护工程师的认知能力。

大语言模型正改变软件开发，从代码补全到架构设计提升效率，但背后隐蔽危机——认知萎缩正在酝酿。论文提出"认识论债务"概念，描述工程师用被动接受AI验证替代主动逻辑推导积累的隐性成本，缓慢侵蚀理解复杂系统的能力。

传统开发中工程师通过阅读、分析、调试构建心智模型，为根因分析奠基；AI辅助模式下，工程师采用"提示-验证"循环，跳过深入理解代码逻辑，变成AI输出的"质检员"，心智模型构建被外包，逐渐失去独立分析复杂问题的能力。

认识论债务累积导致"认知-系统性崩溃"。2026年Amazon大规模宕机源于简单配置变更，但值班工程师无法快速理解受影响子系统交互关系——系统设计与演化历史被AI生成代码和自动化配置埋藏。揭示AI让构建系统更容易，但理解系统更困难的悖论。

AI生成代码进入训练数据，递归训练导致代码同质化（"机械化趋同"），全球软件生态失去多样性。类比单一作物种植增加病虫害风险，代码同质化削弱数字基础设施韧性，通用漏洞或缺陷可能同时影响数百万服务，剥离工程韧性依赖的"方差"属性。

论文提出"人在回路中的教学标准"框架：1.解释义务：提交AI生成代码需用自己语言解释原理；2.渐进式复杂度：新手先无AI辅助完成基础任务，再逐步引入工具；3.根因分析训练：定期组织无AI辅助的故障复盘；4.代码多样性审计：监控代码库多样性，鼓励定制化修改。

"认识论主权"指工程师保持系统独立理解能力的自主权，需刻意实践和制度设计维护。个人应抵制"AI处理一切"的诱惑，保留深度思考；领导者需平衡效率与理解，将认知能力视为重要指标。结语提醒：效率提升有隐性成本，丢失理解能力将构建无法掌控的脆弱系统，需建立保护认知能力的机制。