复制代码比错误抽象更划算

Metz 这条 2016 年的推文至今被反复引用，恰恰因为 LLM 时代问题更严重了。Copilot 和 Cursor 生成的代码极度倾向于"优雅"抽象——一个接口套一个工厂，命名还很有迷惑性。团队如果缺乏足够 senior 的 code review，很容易在三个月后发现这些抽象成了改不动的混凝土。

实际可执行的做法：设定一个"复制阈值"，比如同一段逻辑出现第三次时才考虑抽象，且抽象前必须写下"这次变什么、下次可能怎么变"。AI 生成的抽象层要额外加一个"试用期"，跑满两个迭代周期再固化到主分支。

这条原则对做 AI Infra 的团队尤其痛——训练 pipeline 的抽象层一旦错了，不是改代码的问题，是重跑实验和重新对齐数据的问题，成本放大百倍。