为什么生成式 AI 编程工具对我没用

原文来源：Why Generative AI Coding Tools and Agents Do Not Work For Me — 资深开发者从责任归属、审查成本和学习价值三个维度，解释为什么生成式 AI 编程工具并未提升他的工作效率。

总有人问我用不用 AI 写代码，看法如何。问得多了，干脆写篇文章，以后直接发链接。

标题已经说明立场：这不是一篇挺 AI 的文章，也不是一篇反 AI 的檄文。网上这两种内容都够多了，不缺我这篇。我既不中立，也不站队，只是想从一个一线开发者的技术视角，说说这些工具为什么在我的工作流里行不通。

AI 没有让我更快

这是最主要、最根本的原因。

用 AI 生成代码当然方便。Coding Agent 更省事，它直接改你的文件，你可以去干别的。听起来很美。

问题是，这些代码的最终责任人是我。我不可能闭着眼睛把 AI 写的代码塞进项目里，祈祷它别出事。我必须彻底审查每一行，确保自己完全理解，确信未来能独立修改或扩展。没有这个把握，我不敢用。

而代码审查比大多数人想象的更难、更耗时。业内有句老话：读代码比写代码难。Joel Spolsky（Stack Overflow 和 Trello 的创始人）早在《Things You Should Never Do, Part I》里就说过这件事。

审查别人写的代码，花的时间往往比自己写还多。AI 生成的代码也不例外。

你可能会说，AI 写的代码可以当黑盒用，只要运行结果对就行，不用深究。我觉得这极其不负责任。代码出问题时，承担后果的是我，不是 AI。在有合同、有法律义务、有金钱往来的项目上，这种风险我担不起。

所以 AI 编程工具没有让我更快，也没有帮我赚更多钱。唯一"提速"的方式是降低质量标准、引入风险，而我不愿意这么做。

AI 不是效率倍增器

常听人说 AI 编程工具是他们的"效率倍增器"，用了之后能处理更复杂的任务。但这些都是主观感受，没有硬数据支撑。

我猜这些人省时间的方式是：只粗略扫一眼 AI 生成的代码，或者直接跳过审查。这对我来说完全不可接受。

还有一个常见说法：AI 能帮你在不熟悉的语言或技术栈里写代码。这对我同样说不通。我做软件工程师最享受的部分就是学习新事物，"不会"从来不是障碍。练得越多，学得越快。最近几年我为了不同项目学了 Rust、Go、TypeScript、WASM、Java 和 C#，我不会把学习过程外包给 AI。而且前面说了，就算它帮我省了时间，我也得为最终代码负责，所以实际上省不了。

AI 代码和人类代码不一样

我把这些观点跟朋友聊过，他反问我：那你为什么乐意接受开源社区的代码贡献？那些也不是你写的啊？

真相可能有点刺耳：开源贡献其实也没帮我省多少时间，因为我也得严格审查。但我享受和用户互动的过程。他们报 bug、提需求、提交代码，这些互动本身就是灵感的来源，帮我做出更好的产品。这是开源最让我着迷的地方。

朋友还不死心，说你可以让一堆 AI Agent 并行工作，自动给所有 open bug 提 PR，这是游戏规则改变者。可惜这只会让我花更多钱、变得更慢。就算假设 AI 已经聪明到能独立修 bug（事实并非如此），我仍然是瓶颈——所有代码合并前都必须经过我审查。

更麻烦的是，AI 工具普及后，我开始收到一些明显是 AI 生成的低质量 PR。读起来有种"恐怖谷"效应：语法都对，但就是没有人类写代码时的那种推敲和打磨。遇到这种 PR，我会追问提交者代码里的怪异之处，因为我要他们为想合并的代码负责。他们通常不回。

AI 不是实习生

很多 AI 支持者说，你应该把 AI 当成一个 eager to please 的实习生。说这话的人大概没真正带过实习生。

刚开始 delegating 工作给实习生，你的效率其实是下降的。实习生需要大量 hand-holding，他们写的每行代码你都得仔细审查。

但实习生会成长。你花的时间不是浪费，是投资。他们吸收你分享的知识，用在后续任务上，对你的依赖逐渐减少。最后，很多实习生被公司转正，成为独当一面的贡献者。

AI 工具更像一个患有顺行性遗忘症的实习生——每次新任务都归零，什么都没学会。

写在最后

希望这篇文章说清楚了我在技术层面不采用生成式 AI 编程工具的原因。

我的观点是：AI 编程没有免费午餐。那些声称 AI 让他们更快更高效的人，要么是在主动降低质量标准来换取速度，要么是在卖 AI 工具给你。

当然，这只是我的个人经验。你的情况可能不同。但如果你也是一个对代码质量有要求、需要为产出负责的开发者，希望这些思考对你有参考价值。