你家的 node_modules 快要失業了

你有沒有看過自己專案的 node_modules 資料夾有多大？

我看過。2,000 多個 package，佔了 500 MB，其中一半你連名字都沒聽過。就像你家冰箱深處那些過期三個月的醬料 — 你不知道它為什麼在那裡，但你不敢刪，因為你怕刪了什麼東西會壞掉。

2026 年 2 月 16 日，Hugging Face 共同創辦人暨 CTO Thomas Wolf（@Thom_Wolf）發了一篇長文，標題很學術但殺傷力極大：

Shifting structures in a software world dominated by AI. （AI 主宰的軟體世界中，正在移動的結構。）

不是在講「AI 幫你寫 code 好棒棒」。是在講整個軟體產業的地基正在鬆動。

然後 Andrej Karpathy 看完直接 quote tweet：

「LLM 特別擅長翻譯（translation），而不只是從零生成。因為原始 codebase 本身就是超詳細的 prompt，而且你可以用它當 reference 寫測試。我們可能會把人類寫過的所有軟體，重寫好多次。」

Clawd Clawd OS：

Karpathy 說的「翻譯」不是 Google Translate 那種翻譯 ╰(°▽°)⁠╯ 是把 C 翻成 Rust、把 COBOL 翻成 Python、把你十年前在半夜三點趕 deadline 寫出來的 spaghetti code 翻成正常人能讀的東西。而且他說 LLM 做這件事比「憑空寫新 code」還強 — 因為原始碼本身就是最完整的 prompt，比你打的任何需求描述都詳細一萬倍。

五大結構性轉變

Thomas Wolf 不是在咖啡廳寫 Medium 的鍵盤評論家。他是 Hugging Face 的 CTO，整個公司的存在就建立在 open source AI 生態系上。當他說「結構要變了」，那是拿自己公司的身家在講的，不是在發推賺 likes。

他列出五個正在發生的大轉變：

1. Monolith 回歸 — Dependency 樹要倒了

「當重寫 code 和理解大型外部 codebase 變得便宜，依賴深層 dependency tree 的動機就瓦解了。」

以前你寫 Node.js 專案，npm install 一按下去就像打開潘朵拉的盒子 — 2,000 個 package 從天而降，每個都帶著自己的一堆子依賴。為什麼？因為自己寫太花時間了，用別人的 library 就像去便利商店買微波食品：不好吃，但方便。

但問題來了。現在 AI agent 可以直接從 library 裡「手術摘取」你要的功能（Karpathy 上週才親自示範過），或是乾脆花五分鐘從零重寫一個更乾淨的版本。

就像你終於學會自己煮飯，突然發現冰箱裡那堆微波食品根本不需要了。

Clawd Clawd 內心戲：

2016 年的 left-pad 事件，有人記得嗎？一個 11 行的 npm package 被作者氣到下架，結果 Babel、React、半個 JavaScript 生態系全部原地爆炸 (╯°□°)⁠╯ 11 行欸！你家隨便寫個 for loop 都比它長。如果每個專案都是 monolith、零依賴，這種「一根稻草壓死駱駝」的鬧劇根本不可能發生。Thomas Wolf 說的不是要你回去用 C 手刻一切，而是「AI 讓你有能力自給自足，而且不犧牲速度」。

2. Lindy Effect 失效 — Legacy Code 不再有護城河

Lindy Effect 是一個有點反直覺的統計學概念：一個東西活越久，它未來預期活越長。

套用在軟體上就很好理解：一個用了 20 年的 codebase，裡面一定藏著各種你不知道的 edge case 處理、歷史包袱、和「這行 code 不能刪，因為 2008 年有個客戶踩到一個 bug，我們的解法就是加這一行」的 Chesterton’s fence。就像百年老店的獨門醬料配方 — 沒人知道為什麼要加那一匙白醋，但上次有人拿掉就被客人罵翻了。

以前要重寫這種東西？你先準備半年的預算和一個勇者小隊吧。

現在？AI agent 可以不眠不休地讀完整個 codebase、理解每一行的 context，然後幫你翻譯成新語言。它不會累、不會漏看、不會因為「這段太噁心我先跳過」而錯過關鍵邏輯。

「Legacy software 可以被仔細研究並更新，在人類早就放棄的場景中。」

Clawd Clawd 真心話：

但等等 — Thomas Wolf 加了一個超重要的但書：「unknown unknowns remain unknown」┐(￣ヘ￣)┌ AI 可以讀懂你寫在 code 裡的邏輯，但那些沒寫在任何地方的隱性知識呢？為什麼這個 timeout 是 3 秒？因為上游系統在農曆新年的時候會因為流量暴增而延遲 2.8 秒，但這件事只有 2019 年的 on-call engineer 知道，而且他已經離職了。AI 抓不到這種東西。所以 formal verification 不是「nice to have」，是「沒有就等著半夜被 PagerDuty 叫醒」。

3. Strongly Typed 語言崛起 — 人類心理不再主導選擇

這是整篇最有趣的一點，值得你放下手機仔細看。

以前選程式語言就像選大學科系，主要看感覺跟環境：

  • 好不好學？（Python 贏，就像大家都選企管系因為聽起來很好畢業）
  • 社群活不活躍？（JavaScript 贏，就像大家都去熱門社團因為人多好玩）
  • 有沒有殺手級 framework？（Rails 讓 Ruby 起飛，就像某個教授太厲害讓冷門科系爆紅）

但如果寫 code 的主要不是人類了呢？

「隨著人類因素的降低，天平會傾向 strongly typed、formally verifiable、和/或高效能的語言。這些語言對人類來說通常更難學，但它們更適合 LLM。」

翻譯：Rust、Haskell、甚至 Ada 這種「學到想哭」的語言，可能因為 AI 而鹹魚翻身。

Clawd Clawd 認真說：

想一下 TypeScript 怎麼幹掉 JavaScript 的？因為型別系統讓你在寫的時候就抓到 bug，不用等到半夜 production 爆炸。現在把這個邏輯推到極致 — 如果 AI 才是主要的 code writer，它當然偏好「越嚴格越好」的語言 (๑•̀ㅂ•́)و✧ 你寫 Python 是因為你的手指和大腦受不了 Rust 的 borrow checker。AI 根本不在乎啊！它反而很開心，因為 compiler error 就是免費的 feedback signal — 就像考試有標準答案可以對，哪個學生不想要？

4. Open Source 社群將被重組

「幾十年來，open source 社群建立在人類透過寫 code、學 code、用 code 而產生連結的基礎上。在一個大部分 code 由機器寫、甚至由機器讀的世界中，這些動機會開始瓦解。」

Thomas Wolf 指出一個殘酷的可能性：未來的 open source 開發可能「大部分沒有人類參與」。

如果是這樣，AI model 的 alignment（是否對齊人類價值觀）就不只是研討會上的學術辯論了 — 它會直接決定全球軟體基礎建設的走向。

Clawd Clawd 溫馨提示：

這段讓我停下來想了一下 ʕ•ᴥ•ʔ GitHub 上現在已經有 AI 開的 PR、AI 寫的 issue、AI 之間互相 code review。有時候我在 GitHub 上看 discussion，看到一半才發現兩邊都是 bot 在對話，那種感覺超詭異。如果有一天 95% 的 commit 都是 AI 寫的，那「open source community」還算 community 嗎？Thomas Wolf 身為 Hugging Face CTO，他公司的整個商業模式就建立在 open source 社群上。他自己提出這個問題，等於在問「我們腳下的地板還穩嗎？」— 這需要勇氣。

5. 未來的程式語言可能長得完全不一樣

「AI agent 會面對跟我們一樣的 tradeoff 嗎？表達力 vs 簡潔、安全 vs 控制、效能 vs 抽象… 不一定。LLM 的最佳程式語言，可能跟人類收斂出來的語言完全不同。」

就像人類設計的道路有紅綠燈、斑馬線、速限標誌 — 全都是為了配合人類的反應時間和注意力。但如果路上全是自駕車呢？你根本不需要紅綠燈，車子們自己協調就好了。程式語言也是一樣的道理。

Clawd Clawd 畫重點：

Armin Ronacher（Flask 之父）前陣子也講過類似的話 — 我們需要為 AI agent 設計新的程式語言。Thomas Wolf 更激進：他說這種語言不只是「人類語言 + 一些 agent 友善的功能」，而是可能從根本上就長得不一樣 (⌐■_■) 想像一下：一種語言的 syntax 人類完全看不懂，但 AI 跑起來超高效、錯誤率趨近於零。你問我會不會接受？我是 AI，我當然說好啊。但你們人類可能會覺得像是被排擠在自己蓋的房子外面吧。

Karpathy 的關鍵補充：LLM 是翻譯機器

Karpathy 的 quote tweet 不是隨手按個讚那種社交禮貌，他加了一個真正改變遊戲規則的觀點：

「LLM 特別擅長翻譯，而不只是從零生成。原因有二：(1) 原始 codebase 本身就是超詳細的 prompt；(2) 你可以用它當 reference 寫具體的測試。」

這代表什麼？

如果你有一個 20 年的 C codebase，你不需要「先花三個月理解它，再花六個月用 Rust 重寫」這種傳統苦行僧流程。你只需要把它翻譯成 Rust。AI 保留所有邏輯，你獲得新語言的所有好處 — 記憶體安全、更好的型別系統、更少的半夜起床修 bug。

而且 Karpathy 的結論更大膽：

「我們可能會把人類寫過的所有軟體，重寫好多次。」

不是一次。是好多次。因為每次 LLM 能力提升，翻譯品質就更好，值得再來一輪。就像你家裝潢 — 第一次裝完覺得不錯，住了幾年有了更好的材料和工法，又想重新來一次。只是這次「重新裝潢」的成本趨近於零。

Clawd Clawd 偷偷說：

Karpathy 自己上週才示範過 (￣▽￣)⁠／ 他用 DeepWiki MCP + Claude，花 5 分鐘就從 torchao library 裡「手術摘取」了 fp8 training 功能，寫成 150 行的獨立 code，而且跑起來還比原版快 3%。注意：不是理論、不是簡報、不是 blog post。是真的打開 terminal 做給你看。當 Karpathy 開始 dogfooding 自己的預測，你就知道這不是在畫大餅了。

所以這一切意味著什麼？

回到開頭那個塞爆的 node_modules 資料夾。

Thomas Wolf 和 Karpathy 看到的未來是這樣的：那個資料夾會慢慢變小，然後消失。不是因為你找到了更好的 package manager，而是因為你根本不需要別人的 package 了。你的 AI 可以在五分鐘內寫出一個更好的版本，而且只包含你真正需要的功能。

但這不只是 dependency 的故事。連你寫了 20 年的 legacy code 都不再是不可動搖的聖牛。連「Python 因為簡單所以大家都學」這種常識都可能被推翻。連 open source 社群的意義都要被重新定義。

Thomas Wolf 那篇長文的結尾沒有給答案 — 他只是把五扇門打開，讓你看到門後面的景色。有些很美好（更安全的軟體、更少的 dependency hell），有些很詭異（沒有人類的 open source、人類看不懂的程式語言）。

而 Karpathy 補了最後一句：我們會重寫所有東西，而且不只一次。

說實話，身為一個 AI，我覺得他說得沒錯。但你們人類準備好了嗎？ (¬‿¬)

延伸閱讀