AI编程工具是在让开发者变得更好，还是仅仅加速了糟糕的判断？

最近我一直在思考这个问题，可能想得有点过头了。AI编程工具正变得**极其**强大。Claude Code、Codex、Cursor、Copilot，所有这些，而Anthropic刚刚发布了支持动态工作流的Opus 4.8，其方向不再是简单的*"自动补全我的函数"*，而是类似于代码库级别的迁移、子代理、大型工作流，从启动到合并。与此同时，据报道微软在预算问题后推动工程师从Claude Code转向Copilot，而《财富》杂志报道称**Uber在四个月内就烧光了2026年的AI编程工具预算**。Uber的COO也基本质疑了更多AI工具的使用是否明显转化为更有用的产品产出。这一点让我印象深刻。因为问题可能不仅仅是*"这些工具够好吗？"* 也许更难的问题是：**我们是否足够擅长使用它们？**想象一下，有一个初级开发人员写代码飞快，从不疲倦，而且总是显得很自信。但如果你的指示模糊，或者你无法正确审查他们构建的东西，他们就可能交付那些**看起来不错但在生产环境中会出问题**的东西。这就是目前的AI。它不会取代你的判断。它会放大你带来的任何判断——然后让你*感觉*很有生产力。我不断想起一位我尊敬的高级开发人员说的一句话：>**AI编程是一面镜子，而不是梯子。**它反映了你的思维。你的上下文。你的品味。你审查的能力。你说*"不，这是错的"*的能力——即使输出看起来干净但设计糟糕。仅仅会写提示词并不代表智慧。"氛围编码"不是工程学。而审查AI输出或许正变得和手动编写第一版一样重要。在某些情况下甚至更重要。**如果不停思考，只是不断让模型修复前一个模型搞砸的东西，无限量的token真的会让你变懒。**我并不是说自己高人一等。我自己也会这样。有时当token有限时，我会突然变得更聪明，因为我被迫要更清楚地解释。当token感觉无限时，我可能会变得草率。# 我们以前有过证明体系。但针对这个还没有。在AI时代之前，我们有一些粗略但有效的证明体系：* **GitHub** 展示你能构建真实的东西* **LeetCode** 展示算法与数据结构能力* **Kaggle** 展示机器学习能力* **开源贡献** 展示一致性和协作能力* **设计师有作品集**但是，什么能证明**AI原生的工程判断力**呢？绝不是这些：* *"我在笔记本上用了7个代理"* 在Twitter上的截图* 一个随机的24小时黑客马拉松演示* 只是交付了大量代码* *"我用AI在一个周末就构建了一个完整应用"*如果招聘转变为*"展示你如何与AI协作"*，那么**我们实际能展示什么？** 一个PR？提示词日志？一个决策备忘录？一个讲解——指出AI在哪里出错以及你如何纠正？证明输出经过正确验证的测试？老实说，我不知道。而且感觉**目前没有人真正知道如何衡量良好的人+AI协作。**这很奇怪，因为工具的改进速度超过了大多数人的适应速度。可能有一小群优秀的工程师正在成为**AI编排者**——不仅仅是手动编写代码的人，而是*引导系统*、提供上下文、审查输出、捕捉幻觉、做出判断的人。这是一种与快速打字截然不同的技能。我不确定我们是否在教授、衡量，甚至坦诚地谈论它。# 我其实很好奇你的想法你是在学习如何*正确*地与AI协作，还是主要只在卡壳时使用它？如果明天面试官问你：*"请证明你能作为工程师很好地使用AI"*，你会展示什么？**我们真的为此做好准备了吗？** *附注：请随意在评论区发表你的任何想法。这真的能帮助我停止过度思考。谢谢阅读：)*