AI 写代码后却没人知道系统为什么这样设计

Simon Späti 认为，AI 生成的代码本身未必是现在软件开发中最棘手的问题。以他的观察看，AI 写出的代码大致处于平均水平，如果原来的代码质量低于平均线，AI 甚至可能带来改善。更让他担心的是另一件事：越来越多的人开始不了解自己正在维护的系统，也说不清架构和技术选择为什么会变成现在这样。

Simon 引用了一名工程师对大公司的描述：需求文档、代码、测试、PRD、工单和报告几乎全部交给 Claude Code，管理层又不断要求加快交付。结果工程师每天都在和 AI 对话、接受输出、继续提交，却没有足够时间真正阅读和理解这些内容。代码确实产出了更多，但团队对系统的掌握没有同步增加，甚至逐渐出现“没人知道任何东西”的状态。

数据工程过去可能稍有不同，因为从业者往往必须深入了解产品、业务和数据之间的关系，遇到问题还要主动寻找领域专家。AI 如今能迅速补齐这些信息，降低了进入陌生领域的门槛，但也容易让人产生一种感觉：自己似乎不再需要亲自建立这些知识。如果一个人从进入新领域的第一天起就只靠提示词推进工作，这部分理解可能始终没有真正形成。

AI 也让不擅长编程的产品经理拥有了更强的实现能力。只要知道自己想做什么，现在确实可以更快搭出产品。不过 Späti 提醒，如果缺少编程基础和系统设计知识，一开始选错语言、架构或思考模型，后面可能留下很难维护的基础。AI 降低的是实现门槛，并没有让技术判断、架构设计和基本功失去价值。

这也是他把“可维护性”称为最终 Boss 的原因。生成一个数据管道、应用或 BI Dashboard 越容易，需要维护的东西就越多；而当团队里没人真正理解这些系统时，修改、排错和长期演进都会变得困难。

Späti 并不认为人类因此变得多余。AI 仍然需要有人确定意图、安排方向、判断设计并组织整个过程。代码可以交给模型生成，但对系统的理解不能一起外包。如果团队长期只负责“让 AI 继续跑”，却不再形成自己的知识，未来最难处理的可能不是 AI 写错了什么，而是出了问题以后，已经没人知道当初为什么要这样写。

#AI #软件开发