一个月没有 AI
AI 编码助手和代理式工具正在帮助开发者更快交付更多功能，但许多工程师也表示，当他们依赖模型生成大规模、复杂变更时，自己的技能、代码质量和架构控制感正在被侵蚀。评论者描述了短期速度与长期可维护性之间的权衡：臃肿的代码、更难的审查、脆弱的工作流以及不断退化的专业能力，和调试、生成样板代码、学习不熟悉技术栈方面的真实收益并存。新兴共识是：当 AI 被严格约束并良好集成到现有实践中时，它可以非常强大；但若放任使用——尤其是端到端功能实现——则有可能把代码库变成连其名义上的所有者也不再完全理解的、晦涩而脆弱的系统。
AI 在编码中的使用范围
- 有些人把它描述为接近完全的“vibe-coding”：几个月里不手动输入或阅读代码；功能（例如 2FA、游戏、复杂应用）用自然语言指定，由代理端到端实现。
- 另一些人则只在有限范围内使用 AI：样板代码、重构、单元测试、小脚本，或作为高级搜索/调试助手，同时保持核心实现手动完成。
- 还有一部分开发者会刻意在新项目中避开 AI，以重新获得控制感并保持敏锐。
质量、安全性与验证
- 批评者认为，盲目信任 AI 去实现安全敏感功能（如 2FA）是不负责任的；即使“网络安全模型”很擅长渗透测试，你仍然要为结果负责。
- 几位人士表示，他们审查过 AI 生成的系统，并发现了细微但严重的 bug（异步竞态条件、缺少背压、静默抑制错误）。
- 建议的缓解方式包括：更强的静态分析、更丰富的类型系统、形式化验证，以及把测试只当作证明的一层。
生产力、WIP 与复杂度
- 一些团队声称交付速度提升了一个数量级，并迅速交付了长期拖延的功能。
- 另一些团队发现，代理会生成巨大的 PR 和文档墙，造成审查瓶颈，并鼓励空泛表述。
- 某团队的“重度使用代理”实验导致 WIP 很高、集成停滞、利益相关者不满；他们最终回退到严格的 WIP 限制和更多的人类协作。
- 评论者强调，AI 往往会增加复杂性，除非对其进行严格约束。
技能退化与抽象化
- 很多人表示，他们感觉自己的实现能力退化得很快；短暂的“无 AI”时段会令人焦虑，但也会带来安心感。
- 有些人把这看作自然的抽象迁移（就像从汇编语言转向高级语言）；另一些人则坚持认为，不主动编码就无法进行良好的设计。
AI 何时表现良好
- 通过关联日志、代码和奇怪的边缘情况来调试复杂的生产问题。
- 比起如今被 SEO 垃圾充斥的网页搜索，更快地学习不熟悉的技术栈（例如 BLE、asyncio、MicroPython）。
- 生成单元测试、小工具和脚手架，而此时代码质量和长期可维护性没那么重要。
代理式开发与控制丧失
- 代理群体会诱使人们多任务并推迟审查；原本 20 分钟就能手写完成的任务，会变成持续数天的审查工作。
- 有些人承认，他们已经不再完全理解一大块 AI 编写的代码库在做什么，而是依赖端到端测试和“duck tests”（看起来是否能工作？）。
写作与非代码用途
- 用 LLM 进行写书实验会快速产出初稿，但风格普通、逻辑不一致、措辞陈词滥调，而且往往需要数月清理——通常并不值得。
- 几位人士表示，模型在代码方面更好了，但在长篇写作上却变差了，或者更平淡了。
模型行为与工具差异
- 体验差异非常大：有些人认为前沿模型“比大多数开发者更好”；另一些人则遇到幻觉、错误的文件使用、计数错误和虚构变量。
- 质量在很大程度上取决于模型版本、提供商和集成方式（聊天 vs 带工具的 IDE/代理）；有人怀疑存在静默降级或量化处理，另一些人则对此表示异议。
文化态度与类比
- 类比从“AI 像可卡因/老虎机”到“AI 像自动驾驶仪或 CNC 机床”不等；有些人看到的是道德恐慌，另一些人则认为确实存在类似成瘾的过度使用。
- “不用就会被甩在后面”的拥护者与担心垃圾代码、依赖性和长期可维护性的人之间，明显存在两极分化。