“如果有任何研究团队在听,拜托让模型更擅长删代码吧。”OpenAI Codex应用负责人Andrew播客里笑着说出这句话。
但写过项目的人都懂,这一点也不好笑。
现在的AI太能加东西了。让它修一个bug,它可能顺手改出几层别的代码;让它做一个小功能,它能拉出一堆新文件;让它补一个边界条件,它有时会把原本清楚的逻辑绕得更远。
AI写东西确实快。但是代码库也更容易变臃肿。
它把一个问题摆到了开发者面前:
当AI越来越会写代码,谁来负责删代码?
Andrew:OpenAI内部90%的人都在用Codex。不是90%的工程师,是整个公司90%的人。
这意味着Codex已经不仅限于纯工程场景。它开始接手文档、数据、邮件和各种工作流。
AI工具越来越深入工作流,开发者要处理的就越不只是“让它写出来”。
你还要判断任务有没有拆对,能不能上线、能不能维护、该不该删掉。
代码写得更快,麻烦也来得更快
Andrew:写代码这方面已经不是最重要的部分了。最珍贵是判断和筛选
别误会,这不是说写代码不重要。代码还是要能跑、能维护、能上线。过去团队最怕“想法没人实现”,现在这个门槛被AI降低了。
以前要开发一个新功能,通常先写PRD、排期、拉设计、找工程。大家在真正开工前反复讨论,是因为成本高,错一次的代价太昂贵了。
现在很多想法可以先丢给AI跑一下。甚至同一个方向,可能同时冒出几十个原型。
Andrew:公司里可能有90个没怎么协调的小团队,都在试同一个功能的不同做法。
Andrew谈“实现变便宜,贵的是判断和筛选”
虽然效率提升了,但是另一个问题又出现了:东西太多了。
哪个原型该继续?
哪个需求压根没想清楚?
哪段AI生成的代码只是看起来能跑,但是会坑了后期维护的工作人员?
Andrew提到的taste和curation,放到工程语境里,不是什么审美鸡汤,更像是判断力。AI能把第一个版本做出来,但它不知道这个版本值不值得留。
以前程序员的稀缺性,常常体现在“我能不能把东西写出来”。接下来会更像“我能不能判断这个东西该不该存在”。
PRD没死,别被一个能跑的Demo骗了
访谈里还有个挺反常识的观点。
Andrew:现在很多人喜欢说,PRD死了,原型才是新的沟通方式。Andrew没有这么极端。他的意思更接近:实现成本低了以后,做原型确实更容易,但文档仍然有自己的位置。
要澄清一个模糊方向,文档可能更合适。
要让团队感受一个交互,原型更合适。
要验证一个技术风险,那就先做实验。
Andrew谈PRD和原型的关系
Claude Code、Codex、Cursor都能很快拉起一个页面、一个API、一个脚本。很多团队会不自觉地把“有东西跑起来”当成“问题已经想明白”。
开发者都知道,最麻烦的bug通常不是少写了一个if。
是一开始需求就错了。
AI会让文档、原型、代码、实验都变便宜,但它不会替团队决定现在该用哪一种表达方式。这里判断错了,后面生成得越快,返工也越快。
未来最缺的,可能是会修改Demo的人
Boris Cherny最近也发了一条…