Token 成本墙:架构腐烂如何杀死 AI 驱动的软件进化
08 Mar 2026
上周我写了 OpenClaw 的 98 天架构腐败史,论证了 288K 行代码库的结构性问题。这周我拿到了实证:一次版本升级引发了跨模块的连锁崩溃,而对源码的依赖图分析揭示了一个精确的机制——耦合密度决定了 bug 修复的 token 成本增长阶。

上周我写了 OpenClaw 的 98 天架构腐败史,论证了 288K 行代码库的结构性问题。这周我拿到了实证:一次版本升级引发了跨模块的连锁崩溃,而对源码的依赖图分析揭示了一个精确的机制——耦合密度决定了 bug 修复的 token 成本增长阶。
如果把人类和 LLM 放在同一张表里对比认知能力,你会发现一个有趣的事实:双方各自在对方的主场当树莓派。人类处理文本的带宽大约 5 token/s,一目十行就算天才;LLM 在连续感官世界里的表现,大概相当于蒙着眼睛隔着墙猜房间里发生了什么。

每个 Web App 都已经有一套完整的 API——前端每次点击按钮时都在调用它。Neo 捕获这些调用,让你或 AI 直接 replay。

一个 242K star 的项目,98 天从优雅工具长成 288K 行巨兽。我深入分析了它的代码库、commit 历史和社区结构,试图回答一个问题:作为一个重度依赖者,我是否应该继续把自己的 AI agent 基础设施建立在它之上?
