夜雨聆风过去两年，AI编程拼的是快。
需求丢进去，代码吐出来。一个人一天写五百行的时代过去了，现在一个下午五千行起步
去年看到很多硅谷投资人和创业公司说，以后进会议室不要给我原型图了，直接上真Demo。深以为然。
但今年我开始怀疑。AI 编程更高阶的玩法，可能反过来——是故意用AI把自己拖慢。
前两天看到Mozilla老兵Nolan Lawson 发了一篇文章，题目就叫《Using AI to write better code more slowly》。这篇文章在 Hacker News 上冲到过千分。我看完最大的感受是，AI 编程的玩法已经分代了。上一代是让 AI 写代码，这一代是让 AI 审 AI 写的代码。
它精准点出了AI 编程的第二阶段。
第一阶段叫：让 AI 写代码。
第二阶段叫：让 AI审AI 写的代码。
Lawson 的做法挺有意思：同一个 PR，让 Claude 子代理、Codex、Cursor Bugbot 三家分别独立审，按 critical / high / medium / low 分级出问题清单，再交叉验证把幻觉筛掉，最后合成一份报告。他说几乎零误报，找出来的 bug 多到处理不完。
注意，这里的重点不是 AI 更会写代码。
重点是：AI 更会挑刺了。
这件事比看起来麻烦。过去工程师最贵的能力是写代码，谁能写谁值钱。现在写代码越来越像拧水龙头。
真正稀缺的是另一种能力：你能不能看出这段代码什么时候会炸。
哪个边界条件没覆盖？哪个 SQL 没建索引？哪个异步顺序有隐患？哪个注释看似合理，其实在误导下一个维护者？
这才是展现真正实力的时候。
Addy Osmani 最近讲自己的 LLM coding workflow，也给出类似结论：不要让模型一次性吐出一个大而全的东西；先写 spec，拆成小块，逐步实现，持续测试，永远 review。
AI 越强，流程反而越要保守。
强模型最危险的地方是，把垃圾写得逼真。
这就是一个认知反转：
所以AI不是省掉 review，是把 review 变成主战场。
我们以前讲"十倍工程师"，脑子里那个画面是一个人能写十个人的代码。
这个想象，才两年，就已经过时了。
新一代十倍工程师，可能是最会组织 review 的人。一个 AI 写，三个 AI 审，人类做最终裁判。
反过来，如果你只是让 AI 一气写几千行，自己也读不太懂，那不是生产力提升，是技术债分期付款。今天省的两小时，上线后变成二十小时复盘。
软件工程的瓶颈正在从生产端，挪到验收端。
粗糙赛道还是拼速度。小工具、营销页、跑一次就丢的脚本，快就是优势。但凡是精品赛道——支付、风控、医疗、企业系统、基础设施——代码写完才是开始，后面要被现实拷打很多年。
这事我最近自己正好遇到了。
我把 Raphael AI 全交给合伙人以后，她用了两个月做一个大版本。整个节奏不算快，甚至可以说有点慢，有时候看她操作电脑，感觉在看“闪电”一样 —— 重新梳理体验，重做关键路径，反复改，盯着数据看了又看，过了十分钟回来，屏幕上还是同一页。
但上线之后，效果是立竿见影的：人均访问页面数从 4.25 干到了 9.13，差不多翻倍，提升 115%。
感兴趣的话，你可以打开Raphael AI看看新版的变化 https://raphael.app
我的体会是：真正有用的 AI 编程，不是每天塞一堆半成品功能，而是让每次改动更确定、更干净、更少返工。
我想，未来面试工程师，最该问的可能只有一道题：展开讲讲，你是如何组织AI互相打架的？
这是我认为接下来更值钱的能力——反向用 AI。
正向用 AI 是让它写代码；反向是让它来怼你写的代码。
前者让你跑得快，后者保证你别一头扎进沟里。
真正的高手反而会越来越慢。慢在前期的规划、拆分、审查、测试上。
这种慢，是把后面的返工、事故、技术债提前结清。
我常常说一句话：慢就是快。
最快的进步是不退步，最高的效率是不返工。
过去一年，AI 编程的口号是：更快出demo。
下一阶段的口号应该换成：更慢地更好。
慢工出细活的耐心，是AI时代的新奢侈品。
