AI 写代码？这位工程师直言：对我没用，甚至拖慢效率
大家好，这里是架构资源栈！点击上方关注，添加“星标”，一起学习大厂前沿架构！
关注、发送C1即可获取JetBrains全家桶激活工具和码！
“AI不是帮手，是负担。” —— 一位严谨软件工程师对生成式AI编程工具的冷静观察
生成式AI工具席卷开发圈，不少人将其视为提高效率、减少重复劳动的“生产力神器”。但并非所有人都对此感到兴奋。
来自开源社区的资深开发者 Miguel Grinberg，近期在其博客中写下了对 AI 编程助手的真实使用体验。他并不反对AI，也并不否定它的未来潜力，但在现阶段，他坚定认为：AI 工具并不能提升他的工作效率，反而增加了技术债与风险。
这篇文章，就是他对这一判断背后的详细技术思考。
🚫 它并不让我更快，反而让我停下来检查
“代码可以自动生成，但责任永远属于开发者。”
最核心的原因很简单：使用 AI 写的代码我得花同样甚至更多的时间去 review。既然最终还是得我负责，我为什么不自己写？
他指出：
- 审查一段自己没写的代码，从理解到验证所需的时间不比自己动手少
- AI 生成的代码往往看似合理，但细节处隐藏的错误更难发现
- 在合同开发场景中，这些错误不仅是 bug，可能意味着违约与赔偿
所以，如果必须对产出负责，那就得对过程谨慎。
❌ “AI加速器”？这是一种幻觉
很多人认为 AI 是“效率乘数”，可以加速完成项目。但他认为：
- 多数人之所以“感到效率提升”，是因为只做了表面review，或根本跳过了review
- 真正能对复杂代码进行深度评审的开发者，不会轻信看起来能跑的代码就是“好代码”
- 即使AI辅助处理陌生语言（如 Rust、Go、TypeScript），也阻碍了最核心的学习过程
他直言：
“我喜欢写代码，不懂就学，是工程师该有的基本素养。如果因为 AI 能帮我‘省时间’就绕开学习，那我会失去成长的机会。”
👤“AI代码” ≠ “人写代码”
“我照样要全盘审查，但少了交流，多了疑惑。”
有人反驳说：你为什么能接受别人的开源PR，却不接受AI的“PR”？他的回答是：
- 开源贡献虽然也需要评审，但贡献者是真实可交流的人
- 这些交互本身就是一种灵感来源，有利于项目与社区成长
- 相比之下，AI 生成的 PR 更像是“匿名投稿”，缺乏上下文与责任感
而更糟的是，当你开始收到由AI批量生成的低质量 PR 时，评审成本不降反升，甚至影响了真实贡献者的体验。
🧠 把AI当“实习生”？现实比你想的更残酷
很多人把AI类比为“实习生”——虽然前期低效，但后期能自我成长。对此，他泼了盆冷水：
- 实习生是能学习的，AI不会记住上次的反馈
- 实习生会逐步减少对指导的依赖，AI每次都像刚上岗的新手
- 所以，与其说是实习生，不如说是**“永远不会进步的失忆助手”**
而工程实践中，任何不能持续学习与改进的协作者，长期看都是资源负担。
✅ 工程师视角下的AI使用红线
Miguel 并非AI对立者，他只是从一线开发者角度明确划出了一条底线：
- 如果 AI 工具不能减少我的审核压力
- 如果我仍需对每一行代码负责
- 如果 AI 代码无法像人一样理解上下文、吸收反馈
- 那么所谓的“效率提升”只是代价换来的短暂错觉
“真正提升效率的方法，从来不是降低标准，而是提升认知。”
📌 写在最后：不是AI不够好，而是责任太重要
生成式AI可能会改变开发行业，但它绝不是免检外包机器。它需要极强的责任意识与技术理解力来配合使用，而不是盲目相信自动化带来的“轻松感”。
Miguel 的选择，是出于对软件质量的坚持，也代表了一部分工程师的职业态度：
“我可以不用AI写代码，但我不能不对代码负责。”
📣 如果你也曾思考过：为什么明明有AI工具，自己还是习惯手写每一个函数？这篇文章，也许会引起你的共鸣。
浙公网安备 33010602011771号