AI 让编程变得以不同方式困难

AI 对编程难度的整体影响

• 许多人认为 AI 通过自动化语法、样板代码、胶水代码、重构，以及重复性的 YAML/配置工作，让编程更容易。
• 也有人说，困难并没有减少，只是发生了转移：从记忆 API 和编写代码，转向判断计划、设计和正确性。
• 有些人觉得，架构和“在大规模下清晰思考”本来就是真正困难的部分；AI 只是通过移除简单部分，把这一点暴露出来。
• 少数人声称，AI 在许多任务上已经写出比他们更好的代码，于是他们的角色变成了规划、QA 和架构，而不是敲字。

架构、判断与心智模型

• 一个反复出现的主题是：在没有强有人类指导的情况下，AI 还无法处理复杂架构、长周期一致性，或细微的权衡取舍。
• 要获得好结果，需要事先进行详细设计并设置强“护栏”；这有时会比在手写代码过程中逐步演化设计更难。
• 现在真正困难的部分，是评估 AI 生成的计划和代码是否真的合理，而这又预设了相当多的先验经验。

新技能与工作流

• 提到的新技能包括：撰写精确规范、有效输入上下文、协同多个代理、识别 AI 何时出错，以及知道哪些任务该交给它。
• 几位评论者提到决策疲劳：阅读冗长的 AI 方案并做许多小决定，会让人精神耗竭。
• 有效的工作流通常是：先用 AI 起草（代码或文档），然后在意图澄清后进行大量编辑，甚至直接重写。

代码质量与失败模式

• AI 代码因其一致性、文档、测试，以及对已知模式的应用而受到称赞；对于“无聊”的基础设施和 CRUD 类任务尤其出色。
• 批评包括：自信地犯错、隐藏 bug、过度设计、整体结构混乱，以及反复重新发明已有函数。
• AI 生成的文本和代码看起来可能很精致，却缺乏真正的洞见或扎实的底层结构，因此会让审查变得具有欺骗性地困难。

学习、资深与初级，以及默会知识

• 许多人认为经验丰富的开发者获益最大，因为他们能识别胡说并引导代理；而初级开发者可能很难在 AI 遮蔽复杂性的情况下学习判断力。
• 默会知识、系统思维，以及知道“哪些东西不该做”，被认为很难编码进训练数据里，并且仍然是人类的强项。

工作与长期前景

• 观点从“编程作为一种大众化、薪酬优厚职业的终结”到“另一层仍然需要人类在上面的抽象层”不等。
• 有些人预计技术会快速进步并接近完全自动化；另一些人则预测会出现平台期，且人类仍将持续需要来指导、诊断并清理 AI 构建的系统。