AI 消除了编码瓶颈,为什么软件工程师反而每天工作 13 个小时?

AI都替你写代码了，怎么还要干13小时？

最近，一位软件工程师发在 X 上的帖子传得很广。在我看来，它提出的问题，比“AI 会不会抢走我们的工作”更值得讨论。

事情是这样的

这位工程师说，自己加入了一家大公司。如今，那里几乎所有东西都通过 Claude Code 生成：需求说明、产品需求文档（PRD）、代码、测试、任务单，甚至报告。

奇怪的是，大家每天依然要工作 12 到 13 个小时，做的事大多是与 Claude 交互、按下回车。与此同时，管理层还在不断追问：

“

Claude 已经不是瓶颈了。为什么我们还是这么慢？

这只是一位工程师对一家公司的描述，不能据此推断所有团队都如此。但这个问题，确实问到了点上。

发现一个低成本 AI 平台： 不降智  GPT-6 倍率0.08(限时)， Claude Opus5,Fable 5 都能用，倍率 0.25，首字请求速度5s内，还支持 image-2 生图。

瓶颈转移之后，会发生什么？

假如我们消除了软件开发中的一个瓶颈，随后却发现，它原来并不是限制整个系统的关键因素，或者至少不是最主要的那个，会怎样？

智能体能让我写出十倍的代码，却不会自动让我拥有：

• 十倍于过去的客户理解；
• 好十倍的架构设计；
• 审查十倍代码改动的能力；
• 对测试是否测对了问题多十倍的把握；
• 让流入生产环境的漏洞减少十倍的保证；
• 在“什么值得做”和“什么只是垃圾功能”之间，好十倍的判断力。

事实上，产出物生成得越多，下游需要处理的工作也可能越多。

“

如果没人有时间弄懂生成的内容，那么每多一份需求说明、任务单和拉取请求，就多了一样需要人去阅读、质疑和维护的东西。

为什么常见的效率指标可能适得其反？

这也是为什么我觉得，用拉取请求数量、提交次数、关闭的任务单数量，甚至上线的功能数量来衡量 AI 带来的生产力，可能会把方向看反。

这些指标奖励的，恰恰是智能体已经能轻松大量产出的东西。看仪表盘，一个团队或许显得效率惊人；但那些一直都很难的事——理解问题、决定该做什么——获得的关注反而可能比以前更少。

真正值得问的问题

在智能体参与软件开发之后，最值得问的，不是我们还能多生成多少软件。

而是这个问题：

当生成代码变得相对便宜，什么东西会随之变得昂贵？

我猜，就是前面列出的那些能力：理解客户、做出可靠的架构决策、审查生成的内容，以及敢于说出“这个东西根本不该做”。这些事，没有一件因为 AI 而快了十倍。

那团队该怎么调整？

既然生成内容变得便宜，我首先会质疑一个假设：产出越多，进展就越大。一个团队如果写出了十倍的需求说明、任务单和拉取请求，并不代表它变强了十倍；更可能的情况是，大家需要追赶和消化的东西也多了十倍。

我宁愿看到团队在起点多花些时间。先想清楚什么值得做，也坦然拒绝那些智能体五分钟就能生成、却没必要存在的东西。

“

当做出一个东西几乎不花成本时，决定要不要做它，反而成了真正的成本。

代码审查也是一样。如果改动由一个智能体编写，再由另一个智能体批准，整个流程里可能没有任何人真正理解它。最终要为结果负责的人，仍然得亲自读懂这些改动。团队必须为这件事留出时间，而不是等到一天已经工作了 13 个小时，再设法把审查塞进去。

所以，当管理层问起：

“

“为什么我们还是这么慢？”

有用的回答大概不是“再多用点 Claude”，而是：“我们先看看，工作到底卡在了哪里。”

你怎么看？