不会使用 AI 的工程师就会落后。一位工程师小哥科尔顿・沃奇，说看到这类观点引发了自己巨大的精神焦虑。幸好他是一个持怀疑态度的人，测试完一堆 AI 开发工具后，发现也就那么回事。
他的文章在 Hacker 上也引起许多程序员的讨论，互动评论量有 600+。
一起来看他的回击。
AI 还有很多问题，工程师要学会引导
沃奇小哥平时工作不怎么使用 AI，在社交媒体上总是刷到“AI 提升 10 倍生产力”“不会使用 AI 的工程师就落后了”之类的内容，引起了他对自己专业能力的深度怀疑，让自己陷入了精神焦虑之中。
他自己说，好在自己是个对任何事情看法都持怀疑态度的人，就去把 Claude Code、Cursor、Roo Code 和 Zed 等 AI 开发工具都试了一遍。
结果发现，AI 写样板代码、一次性脚本等，写的又快又好，比如 React、JavaScript 的基础代码，临时写个 ESLint 规则啥的。
但是，AI 难以理解大型代码库的上下文，就算有很好的提示和文件，让它查找文档或者修复破坏的测试的时候，就总是来回折腾，做无用功。
更严重的是，AI 跟不上代码库的标准和工具，甚至会虚构代码库，导致严重的安全漏洞。发现 AI 存在这些问题后，他也就没那么焦虑了，AI 还是需要工程师来引导的。
沃奇小哥说，工程师要学会将复杂任务拆解为更小的单元喂给 AI，避免 AI 在处理长文本（上下文窗口后期）时出现逻辑混乱或“失去理智”的情况。
他还拿 Claude Code 举例子，虽然能自动完成部分任务，但是可靠性不高，不能完全依赖。工程师要学会判断 AI 何时“跑偏”（输出不符合预期），此时要及时接手，纠正错误或重新引导。
打破“10 倍生产力”神话，无论 AI 还是工程师
想要实现“AI10 倍生产力”，意味着工作流程的每个环节效率都要 X10。
举个例子，从产品构思、故事点协商、修复错误、代码审查、等待部署、测试和 QA，这些工作过往都需要三个月来完成，有 AI 了，就能在 1.5 周内完成？
比如代码审查，需要的工作环节就有：（1）给审查者打标签（2）希望他们能尽快处理（但这会很困难，因为他们显然要审查比以前多 10 倍的代码）（3）在等待时切换到其他任务（4）看到通知立即回复，也可以在你审稿人当天离线 2 小时后回复（5）切换回审稿界面（6）阅读他们的评论（7）回应（8）重复操作
但凡有过项目开发经验的软件工程师，都知道这不可能。
除此之外，软件工程开发最终目的是做一个用户喜爱的产品，产品经理要审核、论证开发可行性，要进行用户访谈，同样的，设计师和测试人员也一样要做相应的工作。
这些流程环节要是提升 10 倍生产力的话，就要招聘 10 倍的产品经理及相关人员。
除了工作流程上的问题，就算 AI 写代码效率提升了 10 倍甚至 100 倍，但是实际工程师工作核心不是敲代码，而是阅读和思考，比如等待编译、页面刷新或测试运行。
很显然，AI 并不会提升这些环节效率。
更不用说 AI 生成的内容还存在缺陷、虚构甚至低于代码库标准等问题了。而且随着代码库规模增大，AI 出现这些问题的频率也会随之上升。
而且，AI 还存在过度构建的问题。以上情况发生时，工程师必须得重新提示，或者亲自去修改代码。
回到原点，end。
换个角度，就算熟练运用 AI 写代码了，存在的问题可能就是工程师习惯性依赖 AI，不做深度审查和判断，那代码库规模扩大，问题更加复杂时，工程师就会面临个人的“生产力瓶颈”时刻。
那照这么说，AI 在实际软件工程开发中并没有那么强的作用。
真正有用的，还是工程师。那实际工作中有“10 倍工程师”么？
根据沃奇小哥的观察，或许“10 倍工程师”只会出现在特定情况下，但是他没有见过有工程师能持续完成比普通工程师多十倍的工作量，高级工程师比普通工程师也不过快 2 倍而已。
总的来说，就是 AI 工具可以在敲代码、写脚本等具体工作任务中帮忙提升效率，甚至可以是 10-100 倍生产力提升。
但是，工作毕竟是复杂的，会面临各种问题。比如应用程序太大，无法在上下文中运行，开始出现不一致的显示和功能；网站被黑，要学习保障安全的相关知识等等。
因此程序员们在现实工作中终究会面临回报急剧递减的阶段。
而这些，AI 都无法解决。所以是谁在宣传 AI10 倍生产力神话呢。
或许是刚接触 AI 的新手，AI 帮忙解决某些代码问题就觉得 AI 好厉害。也或许是 AI 创业公司的老板或者投资者，鼓吹他们的 AI 产品。
也或许是，一些 AI 培训商业机构，称三个月编程训练营就能培养出媲美 4 年制大学水平的工程师。
更有可能的是，自己的老板，让工程师陷入可能被 AI 替代的焦虑之中，这样他们就不会辞职、寻找其他工作或要求加薪。
不会 AI 也没关系
说了这么多，沃奇小哥就是想大家安心，回归理性，别陷在“AI 取代工程师”的焦虑情绪之中。
不会 AI 也没关系，选择自己喜欢的工作方式来产出就好了。不喜欢 AI，就不要强迫自己去使用；喜欢 AI 编程，就享受这种感觉和方式。
他还顺带“点”了一下老板们，成为一名优秀的 AI 领导者，要知道什么：
1、放弃 PUA：让工程师们焦虑只会降低工作意愿，这是一种短期思维。工程师们因此发生的技术失误最终还是公司买单。
2、摒弃“10 倍效率”幻想：过度追求效率会导致质量低下。工程师和代码库都需要“休息”。（小哥还顺带表扬了自己的公司，说自己很幸运的在一个没有这种问题的团队里。）
3、信任工程师：不要因为工程师没有使用足够的 token 而责备他们。工程师们是受过高等教育的专业人士，如果出现超级惊人的生产力提升工具，他们会主动向领导申请专业版。
关于科尔顿・沃奇
为何这位小哥这么在意 AI 编程工具在工作中的应用。
原来，他自己曾经就是一家开发教育类 AI 工具公司的联合创始人。
2014 年，还在普渡大学读大二的科尔顿・沃奇和两位小伙伴一起创办了 Mimir，这是一个大学计算机科学课程评分和师生反馈的 AI 工具，能够帮助教授上传课程大纲和作业、记录工作、评分并与学生互动评论。
到 2017 年，他们这个产品就有七十所大学使用了，包括凯斯西储大学、约翰霍普金斯大学和密歇根大学。
同年，他们三人就入选了福布斯教育类 30 岁以下 30 强榜单。
这个项目也入选了 Y Combinator 创业加速器，在 2019 年，Mimir 被 HackerRank（美国一家知名的在线编程平台）收购，小哥就以工程经理的身份加入，带领团队推进新的项目计划。
怪不得他能从项目负责人的视角出发，对 AI 在真实工作场景的应用提出这么独到的分析。
话说回来，小哥也是告诉大家，happy work, happy life。
参考链接
[1]https://news.ycombinator.com/item?id=44798189
[2]https://colton.dev/blog/curing-your-ai-10x-engineer-imposter-syndrome/
[3]https://www.forbes.com/profile/mimir/?list=30under30-education
[4]https://www.linkedin.com/in/colton-voege-15a039b2
本文来自微信公众号：量子位（ID：QbitAI），作者：奕然
