ARTICLE · 1001402
在软件失控前,好朋友跑路了
好朋友最近辞职了。
他说，太可怕了！现在公司写代码已经不用过脑了。
让用户把需求写出来。拿到需求后，丢给 AI。AI 生成代码后，直接上线让用户试。哪里不对，让用户骂几句，再让他把问题列，再丢给 AI 改，如此往复。
更夸张的是，AI 写的可行性报告、投标文件、项目方案没有人知道里面讲的是什么。
文档没人看，评审会懒得开，反正有问题都是找AI。
朋友说，在暴雷之前，还是赶紧跑路好了。
这让我想起了一个词：尽职编程。当代码立等可取，唾手可得以后，我们的职业素养应该如何体现？
01我们正在省掉的，恰恰是最重要的东西
AI 写代码、写文档都已经很强了。这一点不用怀疑。
也正因为这样，现在不少团队开始觉得，以前那些流程似乎都可以省掉。阅读需求文档太麻烦，直接让AI读；设计评审太麻烦，让 AI 做；代码评审没必要，反正代码也是 AI 写的，最多让它自己review一下；测试也不用专人了，让 AI 来吧，Playwright它很在行。
但这些被省掉的东西，本来就不是为了拖慢开发进度。
产品经理确认需求有没有理解错，架构师确认方案能不能长期维护，开发确认实现边界，测试确认异常情况，上线前再确认风险。它们真正提供的，是不同角色之间的制衡。
把这些制衡砍掉，最后就会出现一种很奇怪的状态：系统每天都在快速变化，却没有人能真正理解它。
今天为什么这样设计，不清楚；这个字段为什么存在，不清楚；这个流程能不能改，也不清楚。大家唯一确定的是--出了问题问AI。
02AI提高了错误决策的执行效率
以前一个错误决定，离真正产生影响往往还需要很长时间。需求要经过讨论、设计、开发、测试，中间总会有人问一句：这个真的合理吗？
现在不一样了。需求交给 AI，5分钟后接口已经有了；再过一会儿，数据库表、管理后台、权限逻辑、测试代码都有了。早上提的需求，下午就能更新到生产环境中。
问题在于，所有的决定合理吗？
比如用户说：“我们要加一个权限配置功能。”
AI 很快可以帮你设计角色、权限表、接口、缓存和页面，但真正的问题也许根本不是“怎么配置权限”，而是不同租户之间的数据必须彻底隔离。如果最开始没人把这个问题想清楚，后面写得越快，错得越多。
而且还有一个问题，AI擅长打补丁。比如数据库建模不合理，AI总是能通过加表，加字段解决。最后造成的是表越加越多，数据越来越乱，然后带着历史包袱继续打补丁。
所以说：AI提高了错误决策的执行效率。
03代码变得不值钱，但赚钱的逻辑没有变
AI Coding 带来的一个更深变化。
过去软件开发费按人/月算，其中一个原因，是把东西做出来很难。一个系统需要很多程序员，写很多代码，做很长时间。
现在这个门槛正在迅速降低。一个管理后台、一个 App、一个 Agent，甚至一套完整的 SaaS，AI 都可以帮你很快搭起来。
但客户付钱的逻辑没有发生变化。
客户不会因为你一天生成了十万行代码就多付钱。他关心的还是这个东西有没有解决问题，用了以后能不能省钱、赚钱、提高效率，以及为什么要选你，而不是你的竞争对手。
这和 AI 写文章其实很像。现在让 AI 一分钟写十篇文章很容易，但真正让人愿意读完、愿意转发、愿意持续关注的内容，并没有因此增加十倍。
找到真正的问题，听懂用户没有说出来的需求，做出正确取舍，形成和别人不同的方案，跟用户建立信任关系，这些事情才决定最后能不能赚钱。
04我理解的“尽职编程”
尽职编程，并不是要求程序员盯着 AI 生成的几万行代码，一行一行检查。这个做法不现实，也没有必要。
真正的“尽职”体现在下面这几点。
需求要理解透彻。知道用户为什么提出这个需求，他真正想解决什么问题。
关键设计要了然于心。知道数据怎么流转、权限怎么控制、核心边界在哪里，以及为什么最终选择这个方案。
重要风险要自己验证。涉及核心数据、资金、权限、安全、并发的地方，不能因为 AI 说“已经处理好了”就算结束。
更重要的是，每一个关键决定，你都应该能说清楚。
代码当然可以由 AI 来写，但责任应该到人。如果你是公司的老板，我建议你直接开除那些出了问题只会说“这是 AI 搞出来”的员工。
AI Coding 真正改变的，是代码生产方式。它并没有改变软件最终要解决用户问题这件事，甚至因为代码越来越容易生成，这种责任反而变得更重了。
代码不值钱了。但判断、责任和信誉，永远值钱。