当我不再手写代码后,才真正发现编程的价值

---

去年这个时候，我还跟人拍桌子说“AI写代码就是个玩具”

你听我说句掏心窝子的话——

我真以为自己挺聪明的。

去年这时候，我还堵上职业尊严跟人吵：“AI？写个Hello World还行，正经系统它能碰？”那语气，那自信，简直要把“手写代码才是真功夫”刻脑门上。

后来呢？

后来我自己手贱，试了试Claude Code和Codex。

你猜怎么着？

坐在电脑前，我愣了半天，然后骂了自己一句：“你个傻逼。”

不是因为我错了。是因为我明明有机会提前半年知道真相，却偏偏花了六个月跟自己较劲。

十年老程序员，到现在快一年没手写过一行代码

说到这儿，我得先交代一下自己的底子。

正经写了十年Java，后来又跑去捣鼓Scala做数据工程，什么Python、Go、C++都碰过。搁以前，我绝对算个“手活”不错的人。

但你知道我现在每天怎么干活吗？

早上打开电脑，对着Claude Code说：“帮我看一眼昨晚那个线上BUG，日志在xxx目录。”它自己翻代码、跑测试、定位问题。我就端着咖啡等结论。

上周有个老项目要加UTF-8支持，我顺口说了一句项目里缺个测试框架。

以前这种活怎么说？两天打底。找组件、配环境、写测试用例、跑CI，一环接一环。

那天我用了两个小时。两个小时啊，其中大部分时间还是在跟AI解释“我要什么”和“不要什么”。

你说，AI写的代码质量怎么样？

这么说吧——几十万行的项目，几百行功能正确的代码还带注释，半分钟搞定。

我真的好几个月没手写过一行正经代码了。

不觉得丢人。甚至有点爽。

飘了三个月，然后被现实抽了一耳光

最开始那段时间，说实话，我飘了。

“十分钟一个网站？小事儿！”

“重构整个模块？来，给我一个下午。”

吹过的牛基本都实现了。一度觉得自己就是个躺着也能产出的大神。

但真正用它去构建、去维护一个生产级业务系统的时候，问题才像韭菜一样，一茬接一茬地冒出来。

第一，AI会偷偷地、悄无声息地骗你。

改了A模块，它悄悄搞坏了B模块的状态。完事儿还装得跟没事儿人一样，不仔细审查，它给你埋一堆暗雷。你以为它懂系统的全局逻辑？别天真了。

第二，它特别爱自己造轮子。

系统里明明有个现成的工具类，它偏要自己再搓一套。为了加一个简单功能，它能写出一大段冗余代码，跟现有系统格格不入。项目越往后越改不动，修一个BUG引出三个新BUG，最后陷入死循环。

很多人跟我说：这是模型不够聪明，上下文窗口不够大。

我不认这个账。

AI的本质不是许愿机，是超级执行引擎

花了快一年，我搞明白了一件事——

AI编程不是魔法。它就是个超级执行工具，能写漂亮的语法，推演局部逻辑。但别指望它理解整个系统——什么宏观理解、领域边界、状态一致性，它几乎不懂。

你想一想：一个实习生，让他独立负责整个微服务架构，你敢吗？

AI就干着类似的事。只是它写得快而已。

这就带来了一个极其反常识的现实——

代码生成的边际成本越趋近于零，系统的复杂度越是指数级膨胀。功能变得极度廉价，而维持秩序却贵得离谱。

你看，那些以前看起来“虚”的东西——架构设计、技术选型、边界约束——在这个时代反而被放大了十倍，甚至百倍。

Redis之父那句话，说得挺到位：有意思的不再是写代码本身，而是想清楚要做什么，以及怎么做。在这件事上，AI确实是个顶尖拍档。

克制AI造轮子的冲动，是我踩过最大的坑

你问我这一年最大的教训是什么？

就是让AI自由发挥。

你跟AI说“实现一个支持拖拽排序的树形列表”，不加约束的话——你看着——它大概率会从零开始手搓。原生DOM API、坐标计算、状态管理、物理动画算法……

从局部看，这段代码可能跑得挺完美。

但在生产环境里呢？灾难。

手搓的复杂逻辑不可避免地有边缘用例的缺陷，而且跟现有代码风格格格不入。

后来我学乖了。每次都给AI明确边界：“用项目里已有的xx组件库，复用xx工具类，别自己造轮子。”

就这么一句话，代码质量翻了三倍不止。

那“古法编程”还有没有价值？

现在网上两派打得很凶。

一派说：“手写代码毫无意义，AI都替你写了。”

另一派说：“不懂底层原理，你就是在阅读黑盒。”

我的看法？都有道理，但都不全面。

你用AI写代码，能不能快速接管、修改、扩展？这取决于你对这门语言的理解深度。

我用Java，AI生成的代码我随手就能改。让我用Go或者Rust，AI写得再漂亮，我接手也费劲。

差别不在于写不写代码，而在于你能不能掌控。

这引出一个很直接的结论——

没有古法编程能力，你永远无法真正掌控AI生成的代码。

AI能帮你写，但不能替你理解。

Claude Code之父Boris Cherny打了个比方，我觉得很妙：

印刷术发明前，欧洲只有10%的精英识字，誊写员掌握着知识的权柄。印刷术出现后，这些人没失业，反而因为从繁重的誊写工作中解放出来而乐在其中。

现在程序员就处在这个状态。

Vibe Coding多快乐，享受一天是一天。

给你四条实在建议，不装不空

踩过那么多坑，总得有点能说的。

第一，用最强的模型。

Boris说得对：省token不如省时间。能力弱的模型会带来更多错误，修复起来更费精力。

说出来你可能不信——我现在每个月token消耗已经超过工资了。但效率提升，完全值这个价。

第二，建立规范体系。

我搞了一套三层rule：全局通用规范、项目级约束、当前任务上下文。AI写代码前先把这些规则喂给它。

效果？天差地别。

第三，该手写的时候别偷懒。

核心架构设计、关键业务逻辑的判定、系统边界划分——这些地方，我还是会手写一版，再让AI去实现细节。

纯粹让AI决定的系统，最后会变成一团乱麻。

第四，学会审查，而不是崇拜。

AI生成的代码，你要带着审视的目光去看。

不理解它的逻辑就放过去？迟早吃瘪。

说句实话收尾

十年前我写Java，五年前我学Scala，现在我每天跟AI吵架式地沟通代码。

变化很大。

但有件事没变：最终决定系统好不好的，不是写了多少行代码，而是设计得对不对。

以前我们跟机器沟通靠编程语言，现在直接跟AI说人话，再让AI去跟机器说。门槛确实低了，但真正的难度从“怎么实现”转到了“要实现什么，怎么确保实现得对”。

我不在乎AI公司能不能挣大钱。

但我知道，那些觉得AI能完全替代程序员的人，跟当年觉得Excel能替代会计的人一样天真。

工具解放了双手，但从没解放过脑子。

你看，说到底，最难的那部分——想清楚、做对、不出事——还是得靠你自己。