未来预测的准确性
关于软件设计，我们深知未来至关重要，但同时也明白未来极难预测。
我认为可以用以下理论解释软件未来预测的困难程度：预测准确性随着系统复杂度和预测时间跨度的增加而递减。系统越复杂，能准确预测的未来片段就越小；系统越简单，预测的时间跨度反而越大。
以"Hello, World"程序为例：我们几乎可以确定它未来仍会输出相同内容。但这种确定性存在概率梯度——两天后其行为维持的概率可能是99%，仍有1%的意外可能。即便是如此简单的程序，最终也会变得不可预测。例如2000年Python 2.0的：
|
|
在Python 3中却会引发语法错误，必须改为：
|
|
这种变化在2000年根本无法预测，即便预见了也无能为力。唯一的应对策略是保持系统足够简单，使其易于适配新语法——不是追求"灵活性"或"通用性"，而是保持易于理解和修改的本质。
更完整的逻辑链如下：
- 预测难度与系统及其环境在预测时间跨度内的总变化量成正比（环境的影响与系统和环境的逻辑距离成反比）
- 系统变化量与其总复杂度成正比
- 因此：预测准确性的下降速度与目标系统的复杂度成正比
但必须警惕：不要基于未来预测来做设计决策。所有预测都包含出错可能，立足当下已知数据和现有系统做出的决策，远比预测软件未来走向更可靠。大多数软件设计错误都源于对未来的过度假设。
这条规则真正适用的场景是：当某些软件难以随未来变化而修改时。虽然无法完全避免变更，但极度简化的系统需要修改的可能性更低。当然，其质量和实用性仍会随时间递减（因为无法适应环境变化），但退化速度远低于复杂系统。
理想情况下我们确实应该能随时更新软件——这正是Web技术的优势所在。但对于某些必须长期稳定（如API）的代码，简化设计是保持其长期可用的唯一途径，否则终将面临淘汰。
有趣的是：编写简单软件通常比复杂软件更省力。虽然可能需要更多思考，但总体耗时更少。让我们为用户、为自己、也为未来，尽可能地保持简单。
读者讨论精选
Simon：理论上可以设计能适应任何未来变化的系统，但这反而可能确保这些变化永远不会发生😉
Max回应：未来具有无限复杂性，而软件不可能做到。这种尝试正是导致系统过度复杂化的主因。最终只会得到一堆为"未发生的未来"准备的冗余代码，当真正的未来来临时仍需大量改造。
Nick Barnes：指出Python 2代码在Python 2.7中仍可运行，强调80年代前开发者对向后兼容性的重视，并以C语言为例说明长期保持标准兼容的价值。
Max回应：通过两篇旧文链接探讨向后兼容的平衡艺术，认为C语言的极端兼容性可能已成为弱点，应在现有用户与未来用户的简易性之间取得平衡。
Mike Daigle：提出不同观点，认为适度前瞻性设计（如模块化架构、可分片数据库）能显著减少未来重构成本，强调工程师应基于数据做出合理预测。