ARTICLE · 1271121

软件工程可能要被AI编程毁掉了?

发布时间：2026-10-29 01:33:19 最近访问：2026-10-29 01:33:19

软件工程可能要被AI编程毁掉了?

软件工程可能要被AI编程毁掉了？

乾坤AI容我懒 | AI外网

cover

你上周让 AI 写了一个登录模块，二十分钟搞定，测试全过，上线了。

然后呢？

没人读得懂它为什么用那个加密方式，没人知道 session 管理里藏了什么假设，三个月后有个安全审计来问"这个 token 刷新逻辑为什么长这样"，你愣了三秒——你写不出答案，因为你没写，AI 写的，你不记得它当时怎么想的了。

这件事不是假设。它正在发生。

快是真的快

先说句公道话：AI 写代码确实快。

一个中等熟练度的后端工程师，从零搭一个 CRUD 接口要两三个小时。现在丢给 Copilot 或者 Cursor，提示词写好，十几分钟出第一版。前端组件更快，让 AI 把设计稿转成代码，过去两小时的事现在二十分钟。

整个行业都在拿这个速度做 KPI。"提效 5 倍""一个人顶一个小组""vibe coding，凭感觉出活"——这些词已经不只是博客里的，是周会里、招聘 JD 里、甚至老板嘴里的。

速度本身不是问题。问题是，快的那一步从来不是软件工程最难的那一步。

"写"从来不是最难的事

这句话可能有点反直觉。

一个软件项目里，写代码大概占 30% 的工时。剩下 70% 花在哪？读别人的代码、审 PR、排查为什么改了一个地方另一个地方崩了、重构一段半年没人动过的逻辑、写文档让下一个人能接手。

这些步骤有个共同特点：需要有人真正理解代码在做什么。

AI 不读代码。它生成代码。你让它写一个排序函数，它写出来，漂亮，能跑。但它不知道你的项目里已经有一个自己封装的、带监控埋点的排序工具。于是它又写了一个新的。再过一周，另一个需求又生成一个第三版。

GitClear 追踪了全球开源仓库的复制粘贴率：2021 年，提交里的复制粘贴代码占 8.3%。2024 年，12.3%。三年内涨了 4 个百分点。

这不是程序员变懒了。是 AI 在鼓励你"再写一个"而不是"去用那个已有的"。

更扎心的是重构在萎缩。一份内部代码度量报告（来源待核）显示：代码被"移动/重构"的比例从 24.1% 掉到 9.5%——将近 60% 的下滑。而 14 天内被反复改写的代码（code churn）从 3.1% 涨到 5.7%，涨了 84%。

翻译一下：以前写完一段代码，你会把它挪到该去的地方、拆小、合并重复；现在写完就扔在那，过两周又改一遍。代码不是变少了，是变得"活着但没人管"了。

AI 正在吃掉最难的那一步

数据比形容词有说服力。

幻觉包。 Janea Systems 扫了 576,000 个 AI 生成的代码样本，19.7% 推荐了不存在的 npm/pip 包。更绝的是，其中 43% 的假包名在重复生成时还会出现——AI 会非常自信地推荐一个根本不存在的东西，每次都不一样，但就是那几个。

有人专门注册这些假包名，等 AI 推荐，然后在包里塞恶意代码。这叫 slopsquatting。你的 AI 帮你写代码，顺手帮你装后门。

漏洞率。 2025 年一项大样本研究显示，AI 生成的代码里，C 和 C++ 的漏洞率约 41%。Python 16-18%。TypeScript 好一些，不到 10%。

41% 是什么概念？你写十段 C 代码，四段有安全漏洞。如果你的 AI 替写了四段，有 1.6 段是坏的。你审得出来吗？前提是你读得懂它写了什么。

你读得懂吗？

AI 生成的代码有一个特点：它倾向于在已有函数里塞逻辑，而不是抽出一个干净的 helper。Janea Systems 建议的门禁规则是"单函数复杂度涨 3 倍就 block 掉这个 PR"——言下之意，AI 干这事干得很频繁。

同一份内部度量报告里，圈复杂度（Cyclomatic Complexity）在 AI 工具普及后涨了 25% 到 30%。不是代码行数涨多少，是每个函数里面嵌套的分支变多了。AI 喜欢在你已有的 if 里再套一个 if，而不是抽出来单独写。三个月前你让 AI 改了个配置解析器，现在它嵌套了六层 if，变量名从 temp 变成了 temp2 又变成了 finalValue。你改不动它，因为你已经不确定哪层 if 是 AI 自己加的、哪层是你自己加的。

这就是 InfoWorld 那篇文章说的：AI 技术债比传统技术债更难还，因为你不知道 AI 在里面做了什么假设。 你自己写代码留的坑，你记得。AI 留的坑，你只能靠读出来。

毁掉的不只是代码，是"工程"本身

先看一个宏观数字。

同一份内部度量报告追踪了 2021 年到 2026 年的 committed NLoC（非空行数）：AI 编程工具普及之后，总代码量翻了将近 2 倍——从大约 40 万行涨到 120 万行。

但同一张趋势图里，每个千行对应的 commit 数在下降。代码多了，改动密度反而低了。多出来的 80 万行里，多少是新功能？多少是 AI 又生成了一遍的重复逻辑？多少是嵌套了三层 if 的复杂度膨胀？多少是被删了又加、加了又删的反复折腾？

没人说得清。这就是"2 倍"真正的含义：不是"2 倍功能"，是"2 倍不确定性"。

你公司那个 MVP，上线前用 vibe coding 三天赶出来的。现在它有了 5 个第三方集成、一个支付网关、一套用户数据。

Janea Systems 的建议是：如果生成代码超过 1 万行、有复杂数据模型、有多个集成，诚实的答案是找几个高级工程师重写核心，把现有 UI 当 spec 用。 理由是"12 个月里，打补丁比重建贵"。

对创业者来说这话很扎心。你的 MVP 是 AI 帮你"做出来"的，但你要卖的那个产品，AI 没有帮你"工程化"。

再看安全侧。2025 年一份审查扫了 2,600 多个公开的 MCP server 实现，36.7% 存在 SSRF 漏洞可以被利用。MCP 是 AI 编程工具跟你的文件系统、数据库打交道的接口。AI 在你的机器上跑，拿着你的权限，读你的代码，执行你的命令——它生成的那些包名不存在的依赖，那些嵌套六层的 if，那些你不知道的假设，全在这个信任域里。

软件工程的"工程"两个字，意思不只是"我写了代码"，意思是"我理解我写了什么、它能跟什么交互、它崩了谁负责"。 AI 把"写"压到 5 分钟，把"理解、审查、负责"推到了更远的地方。远到没人愿意做那 70% 了。