1 前言
距离我写的《杂谈AI取代程序员》已经过去一年半, 再分享一下我对AI的个人感悟。
先说下我自己AI的使用和熟悉程度,我司的风格是做淘金热里卖铲子的人, 而我自己从2024年就在 S3 参与AI相关功能的开发,主要是做面向AI的海量训练数据存储,现在 Anthropic 也在用我们组的产品。
工作中,我们可以使用的是 Anthropic 部署在 AWS 上的最新模型(当前是 Opus 4.7),量大且绝对管够; 而工作之外我也订阅了Google的 Gemini Pro 以及 ChatGPT 的 Business Plan, 可以说御三家的模型我都尝到饱。
2 思考快与慢
当我和朋友聊起AI的时候,他说他已经用了几个月的 Claude Code, 现在 Claude Code 写出来的代码他已经不想看了;不过好几次 Claude 搞不出来的功能,只能自己下手写 design 教它怎么搞;但是代码的确已经不想看了,更何况自己动手写代码。
其实这种现象在日常生活中也很常见,短视频看多了之后就无法看长视频;电影解说看多了之后也没法完整看完一部电影; 读书视频看多了之后,也不会真的去读一本书了,甚至一篇长文都看不下来。
有一本著名的心理学的书叫《思考,快与慢》,作者就把人类的思维归纳为两个思考模式:
系统一快速、直觉且情绪化,系统二较慢、较具计划性且更仰赖逻辑。
但系统一也很容易上当,它固守「眼见即为事实」的原则,任由损失厌恶和乐观偏见之类的错觉引导我们作出错误的选择。 有意识的系统二通过调动注意力来分析和解决问题,并作出决定,它比较慢,不容易出错,但它很懒惰,经常走捷径, 直接采纳系统一的直觉型判断结果。
用多了系统一,就很难激活系统二. 而这个是人类进化的结果,目的是为了节能,减少能量的摄入.
AI编程工具正是典型的系统一放大器——它快速给出答案,让人跳过思考过程。久而久之,我发现自己也变得越来越懒得激活系统二了。
这不禁又让我想起我用AI编程的心态转变。
3 心态几经反转
从网页版本的 ChatGPT 一路用过来,到现在的 Claude Code/Codex, 我对AI编程的心态可以说是几经反转。
Claude Code 这样的 coding agent 可以在输入 prompt 之后,独立生成代码,编译,测试,基本提供一个需求就能独立完成,开头可以说是惊艳。
但是后面我发现生成出来的代码会有过多的冗余,不必要的奇怪逻辑,此外它比较擅长从0生成代码,在已有代码上做修改就很麻烦。
要让减少它生成屎山代码,就需要我来介入 review 把控。
问题在于,让它来生成代码,我来review,我就需要理解它的思路,并且搞懂它的意图; 而当我自己写代码时,思考过程都是在我脑子里面的,就省去了理解意图的步骤,自己写反而会比 review 它的代码来得更快。
如果完全由它自己发挥,只要不到10个需求,我们的代码库就会面目全非,服务炸了还需要我来给它擦屁股, 我也能理解为什么有人说,有了AI反而更累了。
我不是说Agent不好用,有些地方用 Coding Agent 来完成非常顺手:
- Debug: 我提供日志,错误信息以及大概的思路,然后让AI顺着我的思路来搜索代码库。 AI在搜索关键代码方面非常有帮助,毕竟它就擅长搜索,尤其是搜索我不熟悉的第三方库或者是其他团队的内部代码,一般几分钟就能把 bug 找出来;而 bugfix 只需要几行的代码;此外,搜索是个只读操作,AI并不会产生屎山代码。
- review 代码:我来review AI 生成的代码很费劲,但是反过来,让AI来review我的代码,就非常简单和有效; 因为我对自己实现的代码心中有数,所以我一眼就能知道AI的评论是否有道理; 并且人写的代码,变更行数有限,上下文很小,便于发挥AI的特长.
- 生成验证功能的代码片段:比如要验证某些想法是否可行时,我就会直接让AI来生成代码,反正对质量没有要求。
3.1 矛盾:不懂代码,又如何"vibe coding"
这就有个矛盾的点,如果我不能比AI更懂编程,我又怎么能指导它,写出更贴切的提示词呢?说好的不懂编程也能 vibe coding呢?
我能控制 coding agent 构建出我想象中的应用,但是我不能用它构建出我无法想象的东西,我的想象力和经验其实就是我手中 agent 的上限。
那么,有了AI还要不要读书?
我总会想起《冰与火之歌》: 一同前往绝境长城的路上,雪诺问小恶魔为什么总是在看书,小恶魔答道:
“我的腿太短,头却太大,总算这脑袋对我还算合适,凭着它我很清楚自己能干什么、不能干什么,它就是我的武器。
老哥有他的宝剑,劳勃国王有他的战锤,我则有我的脑袋瓜……
不过人若要保持思路清晰锐利,就得多读书,就好像宝剑需要磨刀石一样。”
提利昂轻敲书皮,“琼恩·雪诺,这就是为什么我读个不停啰。”
多读书才让自己静下心来学习新的知识,而不是固守在过往的知识,反而对 coding agent 产生越来越强的依赖。
4 后话
书读得足够多,脑子里面有相当的知识量之后,又要怎么去尽量调到系统二来分析和解决问题的呢?
我的做法就是发现 coding agent 出错之后,就去骂它。
因为我发现,在骂它的时候,我脑子就会自动搜索读过的书,寻找相应的论据,让我骂得有理有据, 既趁机触发了系统二,也运用到我读来的知识,还在内心里强化了不能尽信AI的观点, “trust but verify”, 可谓是一箭三雕。
当然,这纯属一种自我训练的小伎俩,和老板骂员工的管理逻辑不可同日而语(难怪老板喜欢骂员工), 不过,倒让我理解了为什么批评有时也能激发思考。
有读者在公众号向我提问:
Hello博主,来到 2026 年 11 月,我想了解你对coding agent的看法有没有改变过?
4.1 反思才能改善设计
每天上班能用着无限量claude 最新模型的我,对AI的看法也并没有本质性的改变。
我主观感觉在opus 4.8 之后, 虽然模型一直在更新,但是并没有那种 Claude Code 刚出来时, AI乘上 Harness的惊艳.
Agent 擅长做的还是很擅长, 比如搜索,调试,针对特定任务的代码生成等等.
但是与许多视频博主, 写爆款文章的创作者「许愿式」生成的软件不同, 真的有客户使用的软件是有很多限制的。
生成出来的代码, 有客户为之付费后是要维护的,不像这些UP主那样主业是做视频或者发推特,东西做完,有点击量就能丢一边去。
软件维护的负担 AI 并不能帮忙避免, 如果没有经历过这种维护痛苦的人,自然也不会想到如何在设计时尽量减少这样的痛苦,也不会在向AI许愿时有这方面的考虑.
把软件按功能需求实现出来,只是最基本的部分;而非功能性的需求,比如性能,可扩展性,可靠性,兼容性,可维护性, AI不会帮你考虑到这些痛点的。
这些痛点也并不性感, 就好像童话故事里面,王子和公主在一起之后, 不会有人写婚后要考虑「柴米油盐」的生活.
4.2 软件公司的护城河不是代码
至于那些说用 REA(reverse engineering anything)来逆向付费软件,甚至SAAS 服务时,我只想说, 这和「写出好代码,就一定有人付费」的想法一样天真.
以Windows 操作系统为例,如果有人用AI逆向出一个免费的 Windows操作系统,你会使用么?
或者换种问法,有人能提供一个免费, 可靠,不差于Windows的操作系统(甚至更优的操作系统),你会使用么?
在30年前就有人做出了这样的操作系统,并由一大群来自全世界的顶尖工程师维护着, 这个操作系统叫Linux,但是它在桌面端的份额也只有3%.
有人逆向出Photoshop,有人逆向出Word办公套件,你会使用么?
甚至不需要逆向,有免费和开源版本的 GIMP 和 LibreOffice,也没有多少人使用嘛。
软件公司的护城河,从来都不是代码;而是经年累月搭建起来的生态,口口相传的品牌,能直达用户的分发渠道等等。
4.3 AI改变了软件行业
但毫无疑问,AI彻底改变了软件编程行业,但现在我们所处的时期有点像是「软件工程」这个概念出现之前的软件开发洪荒时代, 工程师们还没有总结出如何管理AI生成海量代码导致复杂度激增问题的方法论。
相比「软件工程师相信AI是万能的」,更可怕的是「领导层相信AI是万能的」, 觉得AI费用都激增这么多,为什么研发效率没有激增,软件销售收入没有激增?
在AI能以人难以企及的速度来实现想法的当下,做「正确的事」的优先级就变成相当高,但问题在于 AI并没有显著改善领导层/产品层做决策的正确率。
「做这个需求,用户日活就会增加么?来增加订阅量么?」工程师也不知道,反正老板要求拥抱AI,那都试下吧。
在提效的压力,不同的需求同步开发,需求多了,AI生成的代码也多了,代码也Review不过来,老板一直催着快速上线,那就上吧。
用户的日活在各种新特性的堆彻之下,并没有什么新的波澜,但是激增的代码却逐渐失控,各种小故障频发,可靠性下降,客户投诉增多。
面对老板的疑问,客户的投诉,工程师也不知道具体发生了什么问题,只好用AI去排查AI生成的代码,再把AI排查出来的结果告知老板。
这样的场景我已经在工作中见得越来越多了。
感触是由来以久,但仿佛是为了印证我的看法,在写下这段文字的2天前,微软的 Outlook 365以及其他Exchange服务 竟然挂了超过20个小时,如此重要的服务全球宕机如此长的时间,真的是难以置信。
更难以置信的是,过了12个小时,他们发出来的公告表明,他们还不知道发生了什么问题,也不知道怎么处理:
https://x.com/MSFT365Status/status/2121087708940382422
As part of our investigation into the sustained traffic management imbalances, we’re reviewing traffic flows and affected infrastructure to identify opportunities to optimize routing. This includes verifying the reasons for service failures so we can develop specific actions to improve stability. More info under EX1550543 and MO1550821 in the Microsoft 365 admin center, as well as http://status.cloud.microsoft if the admin center is not available to you.
换成人话:我们也不知道发生了什么事
4.4 人人都在FOMO
此外,我觉得AI很大程度上剥夺了初级工程师成长的机会。
我见到很多的毕业生使用AI生成代码非常熟练, 但问及相关的设计,尤其是为什么要这么设计的时候,他们大多是把问题转述给AI,然后把AI的答案复述出来。
AI的答案有时候似是而非,他们又没有足够的经验去分辨,就容易信以为真。
他们失去了宝贵的犯错,改错再反思的机会。
问题又来了, Who cares?
从公司高层,到中层,再到底层,人人都在FOMO(fear of missing out):
高层担心错过AI这波浪潮,成为新时代的柯达;
中层担心自己没有践行好高层拥抱AI的策略,执行不力;
底层担心自己的饭碗,在一波「降本增效」中丢失,老板让我干啥就干啥,不就用AI写代码嘛,让我用AI直接push代码到生产环境我都无异议。
4.5 许愿也要知道自己要什么
对于使用AI, 我个人的观点始终都是,你要先明确知道要什么,才能创造出什么。
你不能期待给AI一个 prompt:
给我生成一个软件,能赚钱,不能有bug
它就能给你一台印钞机
要知道自己要什么,就需要不断思考,学习与实践;那样的人,又怎么会被AI取代呢。
所以你是AI的反对者,就像纺织工人反对蒸汽机那样?
恰好相反,我是AI的拥护者,AI绝对能帮我提高生产效率,我只是那些不清楚AI能力边界的「AI万能论」的质疑者。