无人能完全理解整个系统的工作原理

博主： admin
发布时间：2026 年 02 月 10 日
0 次浏览
暂无评论
4877字数
分类：人工智能技术新闻 AI 技术思考系统复杂性

# 无人能完全理解整个系统的工作原理

# 一、新闻概述

## 1. 标题
无人能完全理解整个系统的工作原理

## 2. 发布时间
2026 年 2 月 8 日

## 3. 来源
Surfing Complexity 博客

# 二、核心内容

## 1. 事件摘要
### A. 主要内容
随着 Twitter 的衰落，LinkedIn 作为社交媒体平台意外崛起，多位技术专家在平台上引发了关于「理解系统工作原理」的深入讨论。

### B. 核心亮点
- Simon Wardley 警告在不理解底层机制的情况下构建系统的危险性
- Adam Jacob 指出 AI 正在改变软件开发方式，这是不可逆转的趋势
- Bruce Perens 强调 Wardley 担心的场景某种程度上已经发生
- Louis Bucciarelli 从 1994 年的著作中引用电话系统的复杂性案例

## 2. 关键信息
### A. 涉及人物
- Simon Wardley：战略架构师
- Adam Jacob：AI 技术倡导者
- Bruce Perens：开源先驱
- Louis Bucciarelli：MIT 工程教授
- Brendan Gregg：Netflix 前技术面试官

### B. 核心观点
现代技术系统的复杂性已经超出任何个人的理解能力，AI 的发展进一步加剧了这一趋势。

## 3. 背景介绍
### A. 相关上下文
这篇文章引用了 Bucciarelli 1994 年出版的《Designing Engineers》一书中的经典论述，说明技术系统的复杂性并非新问题。

# 三、详细报道

## 1. 主要观点

### A. Wardley 的观点
在不理解底层机制的情况下构建系统是危险的。这正是「魔法」一词在软件行业被用作贬义词的原因。魔法指的是那些为了简化开发而刻意隐藏底层机制的框架，Ruby on Rails 是使用魔法的典型代表。

### B. Jacob 的观点
AI 正在改变正常软件开发工作的完成方式。这是一种已证明自身极其有用的新能力，显然不会消失。虽然它代表了软件构建方式的重大转变，让我们离底层实际工作原理更远，但收益超过了风险。

### C. Perens 的观点
Wardley 担心的场景在某种意义上已经实现。现代 CPU 架构和操作系统包含显著的复杂性，许多软件开发人员对这些东西的真实工作原理愉快地一无所知。他们确实对下层系统如何工作有心智模型，但这些心智模型在根本方面是错误的。

### D. Bucciarelli 的观点
像电话这样的系统固有的复杂性，建立在如此多不同地方的如此多不同层次之上，以至于没有人能够真正理解整个系统的工作原理。这是复杂技术的基本性质：我们对这些系统的知识充其量只是局部的。是的，AI 会让这种情况变得更糟。但这是我们长期以来所处的状况。

## 2. 经典案例：电话系统的复杂性

Bucciarelli 讲述了一个关于技术素养的会议故事：

一位社会学家在会议上展示了调查数据，得出结论：我们是一个技术文盲的国家。作为例子，他指出很少有人（少于 20%）知道他们的电话是如何工作的。

这引发了作者的反思：知道电话如何工作意味着什么？是知道如何拨打本地或长途电话吗？这显然不是问题所在。真正的问题可能是关于设备的物理知识：振膜、磁场、线圈……

但更深层次的问题是：那位社会学家知道他的电话是如何工作的吗？他知道长途电话最优路由使用的启发式算法吗？他知道回声和噪声抑制算法的复杂性吗？他知道信号如何传输到轨道上的卫星并从中检索吗？他知道 AT&T、MCI 和本地电话公司如何能够同时使用同一网络吗？

结论是：没有人真正知道他们的电话是如何工作的。

## 3. 软件系统的分层复杂性

文章提出了一个经典的技术面试问题：当你在浏览器地址栏中输入 URL 并按回车键时会发生什么？你可以在各种不同层面（HTTP、DNS、TCP、IP 等）讨论发生的事情。

但真的有人理解所有层面吗？

- 你知道当你实际按下回车键时操作系统内部触发的中断吗？
- 你知道你的笔记本电脑当前使用的 802.11ax Wi-Fi 协议使用什么调制方案吗？
- 你能解释正交幅度调制（QAM）和正交相移键控（QPSK）的区别吗？
- 你熟悉 ARM 处理器的宽松内存模型吗？
- 你了解 JVM 内部的垃圾回收如何工作吗？
- 你理解芯片内的场效应晶体管如何实现数字逻辑吗？

Brendan Gregg（Netflix 前员工）在技术面试中会不断深入询问候选人知识领域的问题，直到他们达到不再知道的点。然后他会看他们是否会承认「我不知道那个问题的答案」，还是虚张声势。他知道没有人能一直理解系统到底层。

## 4. 技术讨论的可视化

```mermaid
graph TB
    subgraph 技术层次
        A[应用层]
        B[框架层]
        C[运行时层]
        D[操作系统层]
        E[硬件层]
        F[物理层]
    end

A --> B
    B --> C
    C --> D
    D --> E
    E --> F

G[开发者知识边界] -.部分理解.-> B
    G -.概念理解.-> C
    G -.几乎不了解.-> D
    G -.完全不了解.-> E
    G -.完全不了解.-> F

H[AI 代理] -.生成代码.-> A
    H -.自动化.-> B
    H -.隐藏复杂性.-> C
```

![技术层次与知识边界](https://static.op123.ren/static/87/87f81ed3d22cfb3c.svg)

## 5. 评论区观点摘要

### Peter Ludemann 的经历
1977 年，他在 BNR 团队工作，参与首个全数字电话交换机（DMS-100）的开发。他们尝试用计算机科学知识构建优雅的分层抽象，但未能封装一个世纪的模拟电话工程知识。他们借来一位资深电话工程师，程序员们整天去他办公室问问题，George 会思考或查阅书架上的活页夹，给出答案，这些答案被整合到日益复杂的代码中。

### Emanuele 的观点
没有人知道整个系统是如何工作的，但至少每个人都应该知道他们贡献的部分。作为一个工程师，习惯于成为我工作的堆栈层的专家，知道相邻层的一些内容，大多忽略其余部分的工作。现在 LLM 编写我的代码，我应该掌握哪个部分？

### Gurkan 的观点
所有这些深奥的魔法部分都被熟悉自己领域的人限制和抽象化了。不是每个人都需要知道所有子系统的所有细节，只要知道它们如何「承诺」工作就足够了。如果它不像预期的那样工作，就向了解这些系统的人报告。这就是迄今为止的工作方式。

LLM 在根本层面上改变了这一点：那些「应该知道」某一部分的人发现你实际上不需要，你可以直接让「那个东西」为你做。这意味着其他东西，我怀疑这是人们主要抱怨的事情。

### Simon Wardley 的回应
问题不在于个人不理解整个链条，这从来不是问题。不查看代码级细节的高管依赖于一群这样做的人。CTO 可以阅读代码。工程经理是通过编写代码晋升上来的。高级开发者审查初级开发者。在这个链条的某个地方，即使扩展到外部供应商，这种理解也存在或至少理论上可以恢复。

在这种情况下，高管外包的是注意力，理解仍然保留在链条中。

对 LLM/GPT 生成代码的担忧不在于开发者委托，因为开发者一直在委托给库、框架甚至编译器。问题在于委托已经扩展到理解。没有链条，只有无法解释其推理的系统，除了为它已经生成的代码生成听起来合理的解释。

推理，理解丢失了。没有理解，学习也就丢失了。

```mermaid
graph LR
    subgraph 传统开发模式
        A1[开发者] -->|理解| B1[库/框架]
        B1 -->|理解| C1[编译器]
        C1 -->|理解| D1[硬件]
    end

![开发模式对比](https://static.op123.ren/static/ee/eea494384b88903e.svg)

# 四、影响分析

## 1. 行业影响
### A. 知识传承危机
随着 AI 代理接管越来越多的编码任务，开发者对底层系统的理解可能进一步弱化。这可能导致知识断层，影响系统的长期维护和调试能力。

### B. 技能需求转变
开发者可能需要从「编写代码」转向「理解需求」、「设计架构」和「审查 AI 生成的代码」。

## 2. 技术趋势
### A. 抽象层继续增加
技术系统的抽象层次会继续增加，每一层都隐藏了下层的复杂性。

### B. AI 成为新的「魔法」
就像框架和库曾经被视为魔法一样，AI 正在成为新的魔法层，进一步隔离开发者与底层实现。

## 3. 教育和培训
### A. 需要重新定义技术素养
技术素养不再意味着理解所有层次，而是理解你所负责的层次，并知道如何与相邻层次交互。

### B. 系统思维的重要性
理解系统作为一个整体的行为，即使不理解所有组件的实现细节，变得更加重要。

# 五、各方反应

## 1. LinkedIn 上的讨论
多位技术专家在 LinkedIn 上就这个问题展开了深入讨论，观点各异但都认同一个核心事实：现代技术系统的复杂性已经超出任何个人的完全理解能力。

## 2. 社区反馈
### A. 正面观点
- AI 提高开发效率是必然趋势
- 人类已经长期依赖抽象层，AI 只是最新的一层
- 重点应该放在理解和设计上，而非实现细节

### B. 负面担忧
- AI 生成的代码缺乏可解释性
- 理解和推理的丧失意味着学习的丧失
- 没有人能够理解和解释系统的行为

# 六、相关链接

## 1. 原文链接
- [Nobody knows how the whole system works](https://surfingcomplexity.blog/2026/02/08/nobody-knows-how-the-whole-system-works/)

## 2. 相关资源
- Simon Wardley 的 LinkedIn 帖子
- Adam Jacob 的 LinkedIn 帖子
- Bruce Perens 的 LinkedIn 帖子
- Louis Bucciarelli 著作《Designing Engineers》

## 3. 延伸阅读
- [Active Knowledge](https://surfingcomplexity.blog/2023/06/26/active-knowledge/) - 作者之前关于主动知识的文章

***

## 参考资料

1. [Nobody knows how the whole system works - Surfing Complexity](https://surfingcomplexity.blog/2026/02/08/nobody-knows-how-the-whole-system-works/)

最后修改：2026 年 02 月 10 日

如果觉得我的文章对你有用，请随意赞赏

发表评论取消回复
使用cookie技术保留您的个人信息以便您下次快速评论，继续评论表示您已同意该条款

评论 *

私密评论

名称 *

🎲

邮箱 *

地址

无人能完全理解整个系统的工作原理

admin • 2026 年 02 月 10 日

# 无人能完全理解整个系统的工作原理

# 一、新闻概述

## 1. 标题
无人能完全理解整个系统的工作原理

## 2. 发布时间
2026 年 2 月 8 日

## 3. 来源
Surfing Complexity 博客

# 二、核心内容

### B. 核心观点
现代技术系统的复杂性已经超出任何个人的理解能力，AI 的发展进一步加剧了这一趋势。

## 3. 背景介绍
### A. 相关上下文
这篇文章引用了 Bucciarelli 1994 年出版的《Designing Engineers》一书中的经典论述，说明技术系统的复杂性并非新问题。

# 三、详细报道

## 1. 主要观点

## 2. 经典案例：电话系统的复杂性

Bucciarelli 讲述了一个关于技术素养的会议故事：

结论是：没有人真正知道他们的电话是如何工作的。

## 3. 软件系统的分层复杂性

但真的有人理解所有层面吗？

## 4. 技术讨论的可视化

```mermaid
graph TB
    subgraph 技术层次
        A[应用层]
        B[框架层]
        C[运行时层]
        D[操作系统层]
        E[硬件层]
        F[物理层]
    end

A --> B
    B --> C
    C --> D
    D --> E
    E --> F

G[开发者知识边界] -.部分理解.-> B
    G -.概念理解.-> C
    G -.几乎不了解.-> D
    G -.完全不了解.-> E
    G -.完全不了解.-> F

H[AI 代理] -.生成代码.-> A
    H -.自动化.-> B
    H -.隐藏复杂性.-> C
```

![技术层次与知识边界](https://static.op123.ren/static/87/87f81ed3d22cfb3c.svg)

## 5. 评论区观点摘要

在这种情况下，高管外包的是注意力，理解仍然保留在链条中。

推理，理解丢失了。没有理解，学习也就丢失了。

```mermaid
graph LR
    subgraph 传统开发模式
        A1[开发者] -->|理解| B1[库/框架]
        B1 -->|理解| C1[编译器]
        C1 -->|理解| D1[硬件]
    end

![开发模式对比](https://static.op123.ren/static/ee/eea494384b88903e.svg)

# 四、影响分析

### B. 技能需求转变
开发者可能需要从「编写代码」转向「理解需求」、「设计架构」和「审查 AI 生成的代码」。

## 2. 技术趋势
### A. 抽象层继续增加
技术系统的抽象层次会继续增加，每一层都隐藏了下层的复杂性。

### B. AI 成为新的「魔法」
就像框架和库曾经被视为魔法一样，AI 正在成为新的魔法层，进一步隔离开发者与底层实现。

## 3. 教育和培训
### A. 需要重新定义技术素养
技术素养不再意味着理解所有层次，而是理解你所负责的层次，并知道如何与相邻层次交互。

### B. 系统思维的重要性
理解系统作为一个整体的行为，即使不理解所有组件的实现细节，变得更加重要。

# 五、各方反应

## 2. 社区反馈
### A. 正面观点
- AI 提高开发效率是必然趋势
- 人类已经长期依赖抽象层，AI 只是最新的一层
- 重点应该放在理解和设计上，而非实现细节

### B. 负面担忧
- AI 生成的代码缺乏可解释性
- 理解和推理的丧失意味着学习的丧失
- 没有人能够理解和解释系统的行为

# 六、相关链接

## 1. 原文链接
- [Nobody knows how the whole system works](https://surfingcomplexity.blog/2026/02/08/nobody-knows-how-the-whole-system-works/)

## 2. 相关资源
- Simon Wardley 的 LinkedIn 帖子
- Adam Jacob 的 LinkedIn 帖子
- Bruce Perens 的 LinkedIn 帖子
- Louis Bucciarelli 著作《Designing Engineers》

## 3. 延伸阅读
- [Active Knowledge](https://surfingcomplexity.blog/2023/06/26/active-knowledge/) - 作者之前关于主动知识的文章

***

## 参考资料

1. [Nobody knows how the whole system works - Surfing Complexity](https://surfingcomplexity.blog/2026/02/08/nobody-knows-how-the-whole-system-works/)

无人能完全理解整个系统的工作原理

发表评论取消回复
使用cookie技术保留您的个人信息以便您下次快速评论，继续评论表示您已同意该条款

搭建国内LabHub

CentOS 7.9 编译并使用rpm方式升级openssh9.6p1（包括后续更新9.8p1等）

一天从 redis 大 key 开始

安装eve-ng

重装ensp

AI 隐藏成本：为何让员工更聪明，却让组织更愚蠢

eater - 基础学习

2026.01.13. Claude Code 完整技术文档

绝地反击-20231204午

ARM 飞牛 OTA 更新与 GPU 加速问题技术分析

无人能完全理解整个系统的工作原理

发表评论 取消回复 使用cookie技术保留您的个人信息以便您下次快速评论，继续评论表示您已同意该条款

无人能完全理解整个系统的工作原理

发表评论取消回复
使用cookie技术保留您的个人信息以便您下次快速评论，继续评论表示您已同意该条款