用AI写代码三个月后，我发现AI不是平权工具

最近三个月，我的开发工作流彻底变了。

以前写一个Revit插件，从需求分析到代码提交，中间要经历查API文档、翻Stack Overflow、写测试用例、调Transaction异常，一套流程下来少说两三天。现在呢？把需求扔给DeepSeek生成结构化提示词，粘贴进Claude深度挖掘需求边界，确认方案后直接出设计文档，然后再让Claude写代码，中间基本就是确认和等待。

效率提了多少不好量化，但体感很明显——以前一周能出两个功能，现在一周能出五个。而且代码质量不降反升，因为AI写的Transaction封装比我手写的还严谨。

但越用越觉得一个事实被行业忽略了：AI看起来是平权工具，实际上可能正在拉大人与人之间的差距。

"平权"的幻觉

AI确实降低了编程门槛。以前不会写代码的人，现在对着ChatGPT说一句"帮我写一个Python脚本读取Excel"，三秒钟就能拿到一段能跑的代码。Revit二次开发这种高门槛领域也一样——你不需要懂C#语法，不需要知道Revit API的Transaction机制，只要能把需求描述清楚，AI就能帮你出活。

从这个角度看，AI确实是平权工具。它让不会编程的人获得了编程能力，让小团队拥有了和大团队类似的产出效率。

但这个"平权"是假的。

不同AI的差异，本身就是一道门槛

用过AI编程的人都知道，不同AI的能力差异非常大，而且差异不是"哪个更聪明"这种笼统的区别，而是"哪个AI擅长做什么事"的精确分工。

拿我自己来说，我的工作流是这样的：

• DeepSeek负责把一句模糊的需求提炼成结构化提示词。比如我说"做一个月CAD轮廓线生成空心箱型梁的插件"，DeepSeek会帮我拆解出技术约束、输入输出、参数定义、异常处理、项目结构——这些东西我自己想也能想出来，但DeepSeek五分钟就干完了，而且比我考虑得全。

• Claude负责深度推理和代码执行。把结构化提示词喂进去之后，Claude会追问关键问题：手动还是自动提取轮廓？WPF还是WinForms？材质怎么处理？放置位置怎么定？这些问题很多时候我自己都没想到要问。确认之后，Claude出设计文档，再确认，直接写代码。

• GPT我反而用得少了。不是说它不好，而是它的泛化能力很强但深度不够，对于Revit API这种垂直领域，Claude在代码准确性上更靠谱。

这套组合不是AI教我的，是我试出来的。我先后试过只用ChatGPT从需求到代码一条龙、只用Claude全流程、只用DeepSeek出提示词然后自己写——每一种方案都跑过真实项目，最后发现DeepSeek+Claude的链路效率最高、质量最稳。

问题来了：谁会去试这些？

不会编程的人，大概率只会用一个ChatGPT从头聊到尾。他会觉得"AI也不过如此"，然后得出结论"AI编程不靠谱"。而真正懂编程的人，会根据不同阶段的需求选择不同的AI工具，组合出最优工作流。

同一个AI，在不同人手里，产出天差地别。这不是AI的问题，是人的问题。

两种用AI的人

我用AI这三个月，观察到一个很明显的分野：同样是用AI写代码，有些人效率翻倍，有些人反而更慢了。

区别在哪？

第一种人，把AI当工具。 他们的工作流是"我想到什么就问AI什么"，AI是打字机的升级版。需求描述不清楚？没关系，AI猜。技术方案不对？没关系，AI再改一个版本。代码有bug？没关系，把报错信息贴给AI。他们的AI使用方式是被动的、线性的、单点的。

第二种人，把AI当杠杆。 他们的工作流是"我先用AI把框架搭好，再逐层填充"。先让AI出结构化需求，确认无误后再让AI出技术方案，方案审核通过后再让AI写代码。每一个环节都有人的判断在中间，AI负责的是执行层的工作，决策层永远是人。

这两种人的差距，在AI出现之前可能没那么明显。因为大家都用手写代码，能力差异主要体现在编码速度上——快的人一天写500行，慢的人一天写200行，也就两三倍的差距。

但AI来了之后，差距被放大了。因为AI放大的是判断力，不是劳动力。 判断力强的人用AI，产出是判断力弱的人的十倍甚至更多。因为判断力弱的人不仅要花更多时间纠错，甚至根本不知道AI哪里出错了。

数据平权的真相

很多人说AI实现了"数据平权"——以前只有少数人能查到的技术资料，现在AI一搜就有；以前只有资深工程师才知道的最佳实践，现在AI张口就来。

这句话前半句是对的，后半句是错的。

信息获取确实平权了，但信息处理能力没有。

同样拿到一份Revit API文档，有人能看出哪些API有坑、哪些参数在不同版本之间行为不一致、哪些组合会导致Transaction提交失败——有人看到的只是一堆方法签名。

同样让AI出一份技术方案，有人能一眼看出哪个设计决策有问题、哪个边界条件没覆盖、哪个异常处理是摆设——有人看到的就是一份格式漂亮的文档，觉得"挺不错的"。

AI把信息获取的门槛降到了零，但没有降低信息处理的门槛。事实上，信息处理能力的门槛可能更高了——因为以前你只需要处理自己能找到的信息，现在你要在AI海量的输出中辨别对错、筛选有用信息、组合出最优方案。信息越多，辨别能力越值钱。

放大器不是均衡器

最后说回开头那个判断：AI到底是平权工具还是差距放大器？

我的答案是：短期内看起来像平权工具，长期看是差距放大器。

短期来看，不会编程的人确实获得了编程能力，小团队确实能产出接近大团队的成果。这是"平权"的来源。

但长期来看，有能力的人会不断优化自己的AI使用方式，建立更高效的工作流，积累更多"AI调教"的经验。而把AI当聊天机器人用的人，永远停留在"让AI帮我写个脚本"的阶段。

AI是放大器，不是均衡器。 它不会把所有人拉到同一个水平线上，它只会让原本就有能力的人跑得更快。

就像搜索引擎出现之后，所有人都能搜到同样的信息，但有人能从中组合出商业洞察，有人只能搜到八卦新闻。工具是平权的，但使用工具的能力从来不是。

所以与其讨论"AI会不会让编程变得不值钱"，不如讨论一个更实际的问题：你是在用AI替代自己的重复劳动，还是在用AI放大自己的判断力？

答案不同，未来也不同。

优易科技 | 优易BIM助手

欢迎转发