夜雨聆风本文阅读约 8 分钟
用了三个月 AI 编程助手之后，我删掉了 60% 的自动生成代码
一个 senior dev 的 honestly late review
事情的开始
去年十二月，我和大多数人一样，在 Copilot 推出 Chat 之后立刻开了会员。当时我想的是：省下来的时间够我多刷两道 LeetCode。
三个月过去了。LeetCode 一道没刷，但我学会了在代码审查里说"这里为什么这么写"的时候不脸红——因为很多时候我自己也不知道。
这不是一篇 Copilot 吹文，也不是一篇「AI 万岁」或者「AI 全是垃圾」的二极管文章。就事论事地聊聊这三个月里我亲眼看到的事。
它确实帮你省了时间——但省的是哪种时间？
Copilot 在以下几个场景里是真的香：
- 写样板代码：DTO、serializer、CRUD 的 boilerplate，以前要手敲 20 行，现在 Tab 键按 5 下搞定。
- 写正则表达式。我至今遇到过一个正则能一次写对的情况，凤毛麟角。Copilot 一次过的情况比我高多了。
- 翻译。把 Python 脚本翻成 Go、把 Java 类翻成 Kotlin，输出质量比 DeepL 靠谱，因为它理解上下文。
但以上这些占我日常编码的多少？大概 30%。
剩下 70% 是什么？是需要在多个抽象层之间跳来跳去的业务逻辑，是「这个字段在 service 层改了之后 repository 的查询条件也要跟着动但 migration 脚本可能还有一处遗漏」，是你需要知道整个系统的因果链才能写对的一段代码。
在这方面，Copilot 能帮你做到的是让你更快地写出一个看起来对的版本——然后你花了两倍的时间去 review 它为什么在某些边界条件下是错的。
真正让我警惕的一件事
我发现自己开始跳过自己写代码时那种「慢下来想想」的过程。
以前写一个不熟悉的接口，我会先把文档打开，看一遍参数定义，理解调用方的意图，再开始写。现在 Copilot 在第二行就已经把一整段实现贴出来了。我看了几眼，觉得"差不多"，就接受了大块输出。
结果是：我对业务的理解深度在下降。
这不是玄学——是有 concretely 可感知的后果：
- code review 时看不出别人的逻辑漏洞，因为自己的逻辑也从来没有亲手「抠」过。
- 遇到线上 bug 时第一反应是「丢给 AI 看看」而不是自己在脑内跑一遍执行路径。
- 六个月前自己写的代码，重新打开的时候有一半是"我当时到底在想什么"。
我现在的做法
不是什么 hard rule，就是几个 personal heuristics：
1. 业务逻辑自己写，AI 只当 pair programmer。
我给它描述需求，它给思路，但我亲手敲每一行关键代码。
2. 测试代码交给 AI。
单元测试、fixture、mock——这些有固定模式且重复性极高，AI 产出的质量可以接受。
3. 写完之后绝不直接提交。
AI 写的代码我已经建立了条件反射式的 review checklist：异常路径有没有处理？副作用在哪里？类型安全吗？有没有隐性耦合？
4. 定期「无 AI 日」。
每周选一天关掉 Copilot，纯手写。不是为了作秀，是为了保持手感。
写在最后
工具本身没有罪。但不用思考就能得到的答案，正在悄悄削弱你深度思考的能力——这个说法放在知识付费时代被说烂了，但用在 AI 编程上，它是一句实话。
Copilot 是自行车，不是自动驾驶。自行车能让你骑得更远，但轮子要你自己蹬。
— 如果这篇文章让你有共鸣，欢迎转发。不加Follow不取关，纯粹技术交流。
