治愈你的“AI 10 倍工程师冒名顶替综合症”
几个月前,我经历了一段小小的精神低谷。我一直对自己的工程师能力充满信心,但在刷领英和推特时,我禁不住感到自己的技能正无可救药地落后。如果这些地方说的都是真的,那么工程界早已告别了那种在编辑器里敲代码的中世纪做法。真正的工程师现在的生产力是我望尘莫及的 10 到 100 倍。我写这篇文章,是希望能帮助那些和我有类似焦虑感的人。
我是一个多疑的人,所以当我听到这样的说法时,通常不会立刻信以为真。我只会翻个白眼,就像有人告诉我一种简单的草药能包治百病一样。但是,眼下这种“10 倍工程师”的论调声势浩大,开始让我坐立不安。万一我错了呢?如果我现在不学着用 AI,会不会错过这班车,然后变得无人问津?毕竟,现在流传着很多花哨的词汇,把这些人谈论的“AI”和我所熟悉的“AI”区分开来。
这些人用的是✨AI 智能体✨。他们用的是✨会思考✨的模型,这些模型能上网、跑测试、还能自己纠正错误。当然,我偶尔也会在聊天窗口里让它写点代码,然后在领会了所需思路后,就把大部分输出结果扔掉了。但那些工程师却让 Claude 这样的工具完全掌控方向盘,他们的 AI 智能体在他们泡晨间咖啡的时候,就已经为他们提交了 5 个拉取请求(PR)。难道我正在变成一个食古不化的老顽固,一个对着云朵咆哮的老头吗?
让我如此焦虑的部分原因是,AI 完全有可能在我不知情的情况下发生了改变,因为我并不怎么用 AI。因为我并不怎么喜欢用 AI。审查代码远不如编写代码来得愉快。难道我那份对享受编程的执着,反而让我落后于时代了吗?
投身其中
终于,我到了一个临界点,决定必须一头扎进 AI 编程的世界。我试用了 Claude Code、Cursor、Roo Code 和 Zed,因为它们都承诺提供 AI 智能体编程功能。我开始让 AI 在各种项目中编写各式各样的代码。我尝试了不同的模型并进行比较。我甚至有几次完全“凭感觉编程”,一次都没有手动编辑过代码。
结果……还行吧。尽管有人声称如今的 AI 正在飞速进步,但给我的感觉和以前大同小异。它擅长编写样板代码,尤其是在 Javascript 领域,特别是在 React 中。但它不擅长跟上你代码库的标准和实用工具。它在处理像 Terraform 这样的语言时往往很吃力。它仍然会胡乱编造一些库,导致严重的安全漏洞[2](英文维基百科链接:词糊侵占)。
AI 仍然难以吸收大型代码库的上下文,即使有很好的提示和一个 CLAUDE.md 文件也无济于事。如果你使用一个不是 StackOverflow 上的宠儿的库,即使 AI 智能体查询了文档,它也还是会把代码写得一塌糊涂。AI 智能体偶尔会做一些巧妙的事情,比如修复它们自己弄坏的测试。但它们常常只是在浪费时间和 token,在失败后与自己来回拉扯,似乎并没有从中获得任何更深层次的认知。因此,对我来说,AI 的最佳用例仍然是编写一次性脚本。尤其是在我完全没兴趣为了一个脚本去学习更深层基础知识的时候,比如在编写自定义的 ESLint 规则时。
那些黑暗的警告——如果我现在不开始使用 AI,我就会无可救药地落后——被证明是毫无根据的。学习使用 AI 编程并不难。这不是很明显吗?嗯,AI 编程社区似乎在这个问题上存在分歧:一方认为 AI 让编程变得像原始人也能做一样简单,另一方则认为这需要一套先进、专业的提示工程师技能。你需要学习的东西确实有一些,但很快就能上手。你会学会如何将任务分解成更小的部分,这样 AI 就不会在长篇大论的后期精神错乱。像 Claude Code 这样的工具甚至能自己完成一部分分解工作,虽然不总是那么可靠。你还会学会识别 AI 何时偏离得太远,以及何时该由自己接管。
一个称职的工程师在中度使用 AI 不到一周的时间里,就能搞定这些事情。此外,如果 AI 即将(像每个人不断说的那样)在任何时候变得好上 2 倍、10 倍或 100 倍,那么现在学习如何使用它的任何经验对未来都毫无意义。
每次我发现 AI 的工作表现只是“还行”时,都奇怪地让我更加焦虑,而不是宽慰。这意味着我找不到那种能让其他人如此高效的秘密武器。我就是没有那个本事:恐龙,遇见你的小行星吧,你的名字叫 AI。最终,有几件事把我从这种低谷中拉了出来。其中之一是 Ludicity 博客上的这篇文章[3],它直接反驳了那些 AI 鼓吹者的说法。我写下这篇文章,是为了分享更多帮助我走出“AI 10 倍工程师冒名顶替综合症”的东西。
算笔账
让我们先来看看 10-100 倍生产力的简单算术。10 倍生产力意味着十倍的产出,而不是十倍的代码行数。这意味着你过去一个季度才能交付的工作,现在一个半星期就能完成。这些数字应该让最狂热的 AI 信徒都停下来想一想。传统上需要 3 个月工作量才能完成的产品构思、故事点谈判、错误修复、代码审查、等待部署、测试和质量保证,现在 7 个工作日就搞定了?要实现这一点,这些瓶颈中的每一个环节也必须实现 10 倍的生产力提升。
任何在真实公司里写过实际代码的软件工程师都知道这是不可能的。你不可能把 3 个月的代码审查来回沟通压缩到 1.5 周内完成。当你进行代码审查时,你会:
-
- 标记你的审查者
-
- 希望他们能尽早处理(这会很困难,因为他们显然在审查比以前多 10 倍的代码)
-
- 在等待时切换到其他事情上
-
- 看到一条通知(可能立刻,也可能在你的审查者下线两小时后)
-
- 切换回审查任务
-
- 阅读他们的评论
-
- 做出相应回应
-
- 周而复始。
在一个有良好标准和沟通实践的称职公司里,这个过程可以变得相当高效。但你告诉我,你为了处理 10 倍的工作,把这个过程的效率提高了 10 倍?这根本办不到。
实际企业软件工程中涉及的人为流程并没有发生重大变化。产品经理可能会用 ChatGPT 做“研究”,但他们并不会突然产出比以前多十倍的、经过充分审查、理由充分、估算准确的用户故事。他们不可能同时进行 10 场用户访谈。设计师和 QA 测试员也是如此。为了跟上进度而雇佣 10 倍数量的产品经理是不可行的。随着网络效应和官僚主义的滋生,每一次招聘带来的回报都会递减。
即使我们假设人们的意思只是实际的编码过程现在快了 10-100 倍,我们仍然应该对这个算术结果持怀疑态度。当你写代码时,你真正花在敲击键盘上的时间有多少?可能比你想象的要少。你大部分的黄金编程时间实际上是在阅读和思考,常常是在等待编译、页面刷新或测试运行时度过的。大语言模型并不能让 rustc 编译器跑得更快。
大语言模型生产的东西常常是坏的、胡编乱造的,或者低于代码库标准的。这些错误的频率随着代码库规模的增大而增加。当这种情况发生时,你必须重新提示,这可能立刻解决问题,也可能是在浪费大量时间。或者你可以自己动手修复代码。但那样你就又回到了区区 1 倍工程师的状态,甚至可能更糟,如果你已经习惯了“凭感觉编程”以至于忘记了如何编码[4]的话。如果你“拥抱感觉”,连生成的代码看都不看一眼,那么一旦代码库变得足够大,你就会撞上生产力的南墙。而一旦你撞上南墙,你就必须面对完全缺乏标准和适当抽象的烂摊子。
我觉得有时候人们对 10 倍提升到底有多大失去了概念。10 倍的差距,好比是你的面包车和创纪录的超音速陆地喷气车[5]之间的区别。想象一下,你想用一辆时速 600 英里(约 965 公里)的汽车在你城市的街道上开完 1…