夜雨聆风这两年，很多程序员已经习惯了一个错觉：AI 编程工具是包月自助餐。
几十块、十几二十美元，买一个月。平时让它补代码、解释报错、写单测，忙的时候让 Agent 直接读仓库、改文件、跑测试。用起来很爽，爽到很多人已经不太记得，背后每一次上下文读取、每一次模型推理、每一次反复改错，其实都有成本。
现在账单开始把这件事摊开了。
Copilot 这类工具转向 token、AI credits、高级请求额度以后，大家突然发现，原来“让 AI 多跑一会儿”不是一句轻飘飘的话。一个复杂任务，读一堆文件，来回修十几轮，可能比你想象中贵得多。
我不觉得这件事只是在讲涨价。它更像是在提醒程序员：你到底是在用 AI，还是已经把自己的工作节奏交给 AI 了。
先分清你依赖的是哪一种 AI
很多讨论一上来就问：AI 编程工具还能不能用？
这个问题太粗了。
同样是用 AI，差别很大。
第一种是代码补全。你写到一半，它补几行。这个场景消耗不大，风险也低，更多像一个更聪明的输入法。它能省时间，但一般不会替你决定系统怎么改。
第二种是问答和局部生成。比如你让它解释一段报错，补一个 SQL，写一个工具函数，或者帮你整理测试用例。这个阶段已经开始消耗上下文，但只要问题边界清楚，成本还能控制。
第三种才是真正容易失控的：Agent 工作流。
你给它一句话：“帮我把这个模块重构一下，顺便补测试。”然后它开始读仓库、找依赖、改文件、运行命令、遇到错误再修、修完再跑。表面上你只发了一条指令，背后可能已经发生了很多轮模型调用。
这也是为什么很多人会觉得不理解：我明明只让它做了一个任务，怎么额度没了这么多？
因为你看到的是一个任务，计费系统看到的是一串上下文、工具调用和反复推理。
真正烧钱的不是 AI，而是模糊需求
很多程序员第一次被 AI 账单吓到，不是因为模型单价有多高，而是因为自己以前没有意识到使用方式有多松。
需求没想清楚，先让 AI 试试。
报错没看明白，继续让 AI 猜。
上下文越塞越多，历史对话越来越长，文件一次性丢一堆。最后 AI 看起来很勤奋，一直在改，一直在解释，一直在道歉。你坐在旁边等它“再试一次”。
这种工作方式，过去的问题是浪费时间。现在多了一个问题：浪费钱。
更麻烦的是，账单往往来得比反馈更晚。你在执行任务的时候，很难直观看到这次调用到底会花掉多少额度。等你看到账单，很多调用已经发生了。
所以我更建议普通程序员把 AI 当成一个需要预算的协作者，而不是一个无限耐心的免费同事。
用之前先问自己几个问题：
这个需求我能不能用三句话说清楚？
哪些文件必须给 AI，看全仓库是不是偷懒？
我希望它产出方案、代码，还是排查路径？
这个任务跑偏以后，我准备在哪里停下来？
这些问题听起来不酷，但能省钱，也能省命。
重度依赖最危险的地方不是账单
账单只是最容易被看见的部分。
更隐蔽的问题是能力迁移。
以前你遇到一个线上 bug，会自己看日志、画调用链、缩小范围、猜测原因、验证假设。现在你把日志贴给 AI，它很快给你列出几个可能原因。第一次很舒服，第二次也很舒服，时间久了，你可能会跳过自己建立判断的过程。
这才是我觉得普通程序员要小心的地方。
AI 可以帮你写代码，但它不会替你承担后果。线上挂了，需求做歪了，数据被改坏了，老板不会去问模型为什么没想清楚。最后还是人来解释，人来回滚，人来补救。
如果你只是让 AI 帮你少敲几行代码，问题不大。
如果你已经习惯了“我不判断，让 AI 先跑”，那就要停一下。
程序员真正值钱的地方，正在从“写出代码”往前移。你要知道需求该不该做，旧系统哪里不能动，什么方案上线风险最小，AI 生成的代码哪里看起来像对的但其实会埋坑。
这些能力不会因为 AI 更强就消失。相反，代码生成越便宜，垃圾代码也会越多。能筛、能审、能收口的人会更重要。
普通程序员该怎么继续用
我不建议因为按量计费就不用 AI。
那有点像因为云服务器按量收费，就退回去自己买机器。方向没错，错的是用法太粗。
更实际的办法是给 AI 编程加几条规矩。
先让 AI 做方案，不要上来就改代码。
我现在更喜欢先问：“这个问题可能有哪几种改法？风险分别是什么？先不要写代码。”这一步花不了多少，但能逼自己把任务边界看清楚。方案都说不清，直接让它动仓库，后面大概率会返工。
小步提交，不要让 Agent 一口吃完整个需求。
一个任务拆成几段：先读代码给结论，再改一个小点，再补测试，再做边界处理。每一步你都能停下来检查。AI 跑偏时，损失也小。
上下文要抠门。
不要动不动把一整个目录塞进去。先给接口、错误日志、相关函数、最小复现。AI 如果确实需要更多文件，再补。很多时候不是模型不聪明，是你给了太多噪音。
把测试和 review 留给自己。
AI 写完以后，至少自己过一遍 diff。重点看异常分支、权限判断、数据迁移、并发场景、SQL 条件、缓存失效。它最容易在这些地方写出“看着像工程代码”的东西。
给高消耗任务设置停止点。
比如一个 Agent 连续修两轮还没跑通，就不要让它无限重试。停下来自己看错误。很多账单就是在“再试一次”里慢慢堆起来的。
别急着卸载，先改习惯
AI 编程工具按用量算账以后，最受伤的不是完全不用 AI 的人，也不是只用补全的人，而是那批已经习惯把复杂任务整包扔给 Agent 的人。
以前工具替你承担了算力成本，你只感受到效率。
现在成本回到使用者面前，大家才开始重新计算：这一轮调用到底值不值？
这不是坏事。
它会逼我们从“会不会用 AI”，走到“会不会管理 AI”。会提问只是第一层，会拆任务、控上下文、审代码、算成本，才是更接近真实工作的部分。
普通程序员还可以重度使用 AI，但最好别无脑依赖。
让它补全，让它解释，让它做初稿，让它跑一些低风险的小任务。复杂需求、线上问题、核心模块改造，还是要人先想清楚，再让 AI 进场。
我现在对 AI 编程工具的态度很简单：该用就用，但每一次让它跑起来之前，先想一下自己到底要买什么。
买几行代码，不贵。
买一次完整判断，AI 未必卖得起，你也未必付得起。
