📰 概要

国产模型追上闭源旗舰后，企业AI编程的真正障碍浮出水面。

InfoQ观察：DeepSeek V4让私有化部署接近闭源旗舰，但模型问题缓解后，更深层约束浮现——代码库中的业务隐知识、历史决策和架构习惯。

MIT 2025年调查显示：95%企业没有从AI投资中获得有意义回报。原因不是模型不行，是"AI context debt"。

---

🔍 解读

不是选工具的问题，是补文档、立规范、清理历史欠账。

AI context debt（AI上下文负债）指：代码库知道的信息，与AI工具需要知道才能正确输出所需信息之间的缺口。

绿地项目从零建立规范，效果接近承诺。棕地团队面对的是：两到五年的决策层积、离职者留下的隐知识、八个月没打开的Wiki。体验判若云泥。

---

💎 深挖

AI context debt是什么

2026年4月，科技从业者Abbas Raza将这个现象命名为AI context debt。

具体表现：AI不知道你的异常类叫AppException，它抛泛型Error；不知道你有结构化日志封装，它写了console.log。这个模块从部署第一天就从监控栈里消失。

这不是明显故障，是"微妙的错误"：代码在抽象层面正确，在具体上下文里错误。传统技术债有记录可追溯，AI context debt出问题之前无从察觉。

为什么95%企业没获得回报

MIT 2025年调查显示，大多数企业部署AI编码工具后提效不如预期。

原因不是模型能力不行。AI面对的是"九年前的财务系统"：表名是前项目经理起的，订单状态要查日志表，核心业务规则一部分在存储过程里。没有任何地方把这些规则完整记下来过。

给这样的系统加功能，AI会建一个干净的refund表、写标准CRUD。审查的人必须逐行比对：AI知不知道退款要同时写三张表？知不知道超三十天订单走人工通道？这些问题，AI都不知道。

代码越乱，AI效率提升越可疑

旧模式有40000行存量、新模式只有8000行，AI必然倾向旧模式。

这意味着：老代码库越乱，AI的效率提升越可疑。审查成本的增长速度很可能超过生成速度的节省。

为什么值得关注

对企业AI团队来说，这是从"选工具"转向"补文档、立规范、清理历史欠账"的信号。

接下来的竞争不只是接入AI的速度，更是谁更早完成知识治理、工程规范和渐进重构。

什么情况不建议用

绿地项目、架构清晰、文档完备的团队，AI context debt概念价值有限。

没有时间和资源做代码库治理的团队，单纯部署AI编码工具的效果会让人失望。