点击蓝字，关注我们

上篇写了写代码在贬值，什么在升值，核心就一句：AI 把代码变便宜了，想清楚需求变贵了。

那篇发完以后，好些人认为：把需求写清楚丢给AI，就万事大吉了？

不是！

今天我提下另外一个方面——就算你需求写得清清楚楚，工程流程还是老样子，AI 写得越快，你后面越惨(今天这篇稍微有点长)。

一个新的问题

先说一个事，一个十几个人的团队，今年年初开始陆续接入AI编码，需求文档要求比以前细，AI产出的质量也不错。前面一两个月大家都很兴奋——交付速度肉眼可见提上去了。

后面开始出问题了：

代码量暴涨了四倍，原来一个迭代3K行，现在1.2W行。Review根本审查不过来，单元测试覆盖率从72%掉到41%，线上莫名冒一些小bug——不是大问题，是那种「这个地方为什么会写成这样」的问题。

第三个月底，团队暂停了所有新功能都开发，用两个迭代专门还技术债。

我相信，这个不是个例，至少现在你们中的某些人正在经历同样的事情。

说白了，

AI 把「写代码」变成了开水龙头，开多大都行。但「审查代码」还是手工舀水。水溢出去是早晚的事。

四个副作用，一个比一个要命

副作用一：你审不动了

传统节奏：程序员一天写 200-800 行，Review 花半小时，能看出问题。AI 来了以后，一上午能吐出 2000 行。你审吗？审，一上午就搭进去了。不审，代码质量全靠 AI 自觉。

挺尴尬的，说不审吧，心里不踏实。审吧，一天不用干别的了。

有人会说「让 AI 自己审自己」，AI 审代码确实能做——查语法错误、找安全漏洞、甚至读逻辑。但它审不出「这个设计跟三个月前的方案冲突了」「这个改动会让下周上线的那个功能炸掉」。

这类判断，只能靠人。人审代码的速度不会因为 AI 变快。代码产出涨了四倍，审阅能力没变。这个剪刀差会越来越大。以后一个程序员写代码之前，可能要先回答「你打算让我审多少行」。

副作用二：技术债在利滚利

以前欠技术债像分期付款——今天赶进度写了个硬编码，明天堆了个上帝类，后天复制粘贴了一段。一笔一笔还，你有时间反应。

现在呢？你跟 AI 说「把这个模块写完」，它 20 分钟给你扔了 8 个文件。你一看，功能都跑通了，但 8 个文件里 三 个用了不同的错误处理方式，两个的数据库查询方式跟项目规范不一致，一 个引了个你根本没见过的第三方库。

你改不改？工期催着，功能跑通了，你大概率不会改，然后这些不一致就成了债。下次 AI 再写，它基于这些不一致的代码继续生成。三周以后，你的代码库变成了风格拼盘——每翻开一个文件，像换了个团队写的。

这事细想一下挺离谱的。AI 让你直接刷信用卡——额度无限，利息惊人。而且最狠的是，AI 不会觉得自己在欠债，它只是在满足你的 prompt，你让它快点，它就欠快点。

副作用三：代码一致性瓦解了

这一点其实是：Review 环节崩了，没人把关规范了，一致性自然就没了。

AI 写代码，每次都是独立的，你跟它说「写个用户管理模块」，它给你一套，过两天说「写个订单管理模块」，它给你另一套，两套都能跑，但风格完全不同——统一返回格式不一样、异常处理方式不一样、日志规范不一样、连包名都可能不一样(实际不会这么离谱，这里只是举个例子)。

这不是 AI 的错。你没告诉它你的项目规范，它只能按自己的理解来。

但以前不会这样。以前团队里有人——技术 Leader 或者架构师，在 Review 的时候会说「这里要用我们的统一返回格式」「异常不要直接抛，用我们的 GlobalExceptionHandler」，AI 产出快了以后，Review 时间被压缩，这种规范守护越来越少。

三个月后回头看，你的代码库变成了十二种风格的大杂烩。

以前代码一致性靠自觉和 Review 习惯，现在这两样都被 AI 的速度冲垮了。

副作用四：新手在开外挂，但肌肉废了

老程序员用 AI，是真提效。他们见过烂代码、踩过坑，AI 写出来的东西一眼能看出哪有毛病，AI 是他们的加速器，不是拐杖。

但对于新手来说，完全是另外一回事。

一个刚工作一年的程序员，天天用 AI 写代码，遇到问题先问 AI，三秒钟拿到答案。以前我们是怎么过来的：一个 NullPointer，得去翻文档、查 StackOverflow、看不懂还得问前辈，那个痛苦的过程就是学习，现在不痛苦了，但也学不到了。

三个月后，离了 AI，他连一个最基本的 CRUD 都写不利索，这事有点离谱，但现实就是这样。

这不是新人的问题，是学习路径被截断了，编程的肌肉记忆是靠重复练出来的——你写过一百个接口，第一百零一个自然就知道怎么写，现在 AI 替你写了那一百个，你大脑里没留下任何一条神经通路。

还有一个更隐蔽的问题：AI 帮你跳过的坑，你没有感觉。好的程序员看到一段代码会本能地觉得「这里不对」，这种直觉不是天赋，是踩坑踩出来的。AI 帮新人填了所有的坑，他们走得很平，但下一次遇到没填过的坑，连识别都识别不了。

所以我认为新人的评估标准得改，以前看一个新人牛不牛，看他能不能独立写一个模块。现在 AI 帮他写了，这个标准废了。

新标准：给他一段 AI 写的代码，让他审，问他这段代码有什么问题、设计上合不合理、接下去加新功能要注意什么，审代码的能力，才是 AI 时代新人的核心能力。会写的人很多，能看出哪里不对的人很少。

培养新人时，其实可以定一些规则，比如：前一两个月不使用 AI纯手写，把手写的能力和直觉建立了，再上 AI，像开车——先用油车手动挡学会驾驶感觉，再转电车自动驾驶，不能一上来就坐在副驾上。

不是 AI 的问题，是流程没跟上

这四个副作用，说到底是同一件事：代码生产的速度变了，但后面的一切流程都还是旧的。

前面我在另外一篇文章也提过 为什么全员用了AI，公司还是没赚更多钱   流程没改变AI再强的动力也加速不了整个链路。

AI 编程现在就在这个阶段。动力变了，但 Review、测试、合并、规范管理——这些都还是老布局。

很多人以为 AI 会拉平团队差距。

其实恰恰相反。

有的团队越用 AI 越乱。有的团队反而越来越快。

差别不在模型，在组织。

说实话，这事我一开始也没想明白。后来才慢慢感觉到：AI 放大的，好像不是代码能力，更像是组织本身的问题。

怎么办

不是让 AI 写慢点。AI 只会越来越快，拦不住。能做的是把后面的管道也扩粗。

第一，规范要从口头约定变成机器可执行的

以前团队靠口口相传：「异常处理统一下」「日志用 Slf4j」「返回格式用 ResultVO」。靠人肉 Review 把关，不太出大问题。

AI 来了以后，口头约定等于空气，你必须在 AI 动手之前就把规范塞给它。Spring Boot 脚手架、项目模板、编码标准文档——这些东西以前「有了更好」，现在「没有就会乱」，你写好一套脚手架模板，AI 基于模板生成代码，产出自然一致，把 Checkstyle 规则配好、ArchUnit 测试写好，AI 写出来的代码不合规范，编译阶段直接挂。

甚至可以把你的规范作为一个skill，规范不能只存在脑子里，得搬到流水线上。

第二，Review 从逐行看改成查关键点

代码量涨了四倍，逐行看根本不现实。得有一个 Review checklist：SQL 有没有用参数化查询、敏感数据有没有脱敏、第三方库是不是项目已审批的、有没有改到不该改的模块。

把这些关键点列出来，Review 的时候逐条过，剩下的相信 AI 和自动化测试。人有限的注意力，放在 AI 真正容易出问题的地方。

第三，架构从建议变成硬约束

以前架构是方向性指导——「建议用分层架构」「建议控制模块耦合度」，具体怎么写，开发自己把握。

AI 时代这不够了，不是你「建议」AI 不要写上帝类，是你的脚手架模板里根本就不存在写上帝类的可能性，不是你「建议」按领域分包，是你生成的模块结构天然就是领域驱动。

好的架构约束让 AI 没法犯错。代码生成完自动跑架构测试——循环依赖？挂掉。跨层调用？挂掉。API 版本不一致？挂掉。

这不叫限制自由。这叫保住底线。

速度从来不是问题，控制才是

回到开头那个团队。他们花两个迭代还完债以后，做了几件事：建了脚手架模板、定了 Review checklist、加了架构测试、给新人设了 AI 使用规则。

第四个月，交付速度掉回了一点没有原来那么夸张了，但是大家不用周末加班、不用熬夜 Review、上线前不用提心吊胆了。

AI 给了我们油门，刹车得自己装。

文/洞茶

声明：本文插图由AI绘制