夜雨聆风说两个事实：
1，大多数的项目，纯写代码时间不到20%，纯写代码时间达到30%的极品项目已经很难得了，更别说还有很多项目写代码时间实际只有10%。
2，大多数程序员，加班时间都有20%水平，个别时间甚至有30%，少的也有10%。
把这两个时间结合起来，大家能不能看懂我说的意思？现实中从来就没有给程序员留下写代码的时间。这个时间本来就是零，程序员是用免费加班时间写的代码。
把写代码时间砍成零，并不能让资本家收益更高，因为程序员写代码时间本来就是零。
大多数时间并不是花在写代码上，而是花在决定该写什么代码等等其它事情上，而这些时间，用ai省不掉。
如果是查问题，ai得通读几十兆的代码，加上几十兆的日志，然后搞清楚哪些是自己需要的内容，这样半天甚至一天都过去了，而人类并不会比ai效率低，反而更高。因为程序员不需要通读，他知道该读哪儿。
程序员的主要时间并不是花在写代码，这对于业外人来说不可思议，但业内人应该都很清楚是常识。正因为如此，ai并不能真的让企业提效，只能通过裁员的方式变相拉股价。当其它人沾沾自喜于不会编程也能生成代码时，却没有想到现实中本来就不会专门留时间给程序员写代码。
ai生成代码看似节省了去互联网搜索以及拷贝粘贴的时间，但实际上并没有大幅度提效，毕竟，在做项目计划的时候原本就没有把写代码的时间计算进去。
把一项耗时为零的内容优化一倍，它的耗时依然是零。
首先要说，AI代码生成率超过50%没什么可吹牛逼的，生成率达到100%的我都见过，研发效率一样没飞起来。
让我逐层给你解析AI生成代码之后效率还那样的原因。
你们开始用AI生成代码了，要过的第一关就是代码质量。
别看AI生成的代码看着比大部分程序员写得还要地道，但是不是满足真真实正确的需求呢？
程序员可能提示词描述不清，AI可能理解错误，当然AI也可能考虑不周，最后导致生成的代码像是那么回事，但是因为对需求的错误理解导致产生bug。
当然，AI有时候会偷懒，对于特别复杂的情况，即便理解了需求也会产生逻辑上的bug。
怎么发现这些bug呢？
其实最好的方法就是code review，如果实行AI写代码人工review，那就能保持代码质量。
但是，AI生成代码块，人工Review代码慢，这就导致效率瓶颈在人工review上，效率上就上不去。
我知道我知道，很多公司就没有code review制度，很多程序员也不做code review，他们的处理方式是被报了bug就修，没人发现就当不存在bug——这就会导致会有很多bug不是第一时间被code review发现，而是被QA发现，然后程序员来修，这就进一步降低了效率。
你看，第一关，代码质量，很多团队就过不了。
有一些团队的素质高能力强，能够同时解决效率和软件质量的问题。
他们建设Harness Engineering，利用另一个AI来review AI生成的代码，再用另一个AI来验证review是否有漏洞，只对特别关键的代码进行人工review，这样，可以保证最大程度的AI生成高质量代码的吞吐量。
好了，这样过了第一关。
接下来是第二关——其实写代码只是软件研发的一小部分，更多的时间消耗在需求探讨、进度安排、研究探索上。
这个过程主导的角色是项目经理(Program Manager)，当然实际头衔可能叫产品经理、Team Lead都可能。
传统上，项目经理是盯人的，ta召集相关人等开会，把任务分配到人，然后track每个人的工作精度，这就是项目经理的工作。
我把话撂在这——只要项目经理还是盯的是人，那AI提高的效率就不可能很高。
因为项目经理盯着人，就不可避免有很多人和人之间的沟通，程序员把AI生成代码review代码搞得快到飞起，最后还要慢下来去和项目经理说需求，要在项目经理召集的会议上和其他程序员对接需求，快不起来的。
所以，过得了第一关，绝大部分团队也折在第二关。
如果项目管理方式不被AI自动化，那人和人之间沟通就是效率瓶颈。
假如一个团队真的是超级优秀，不光过了AI代码质量的第一关，还让项目经理直接拥抱AI，过了第二关。
软件开一条线上所有人都直接和AI打交道，包括项目经理，项目经理利用AI来分解任务，AI根据优先级自动开工干活，需求自动对接，程序员要做的就是维护这个Harness，一切如行云流水，效率拉满到最大。
以上是极其优秀的团队做到的极其罕见的状态，但是，还有第三关。
第三关就是——Tokens消耗大到爆炸！
这全套流水线都是AI驱动，的确效率是很高了，但是Tokens真的花得如流水。
月末CTO一看账单，真的要急眼了。
这时候，你们就真被要求降本增效了，降低Tokens消耗的成本，还要保持原有的研发效率。
这一关怎么过，我不知道。
绝大部分团队卡在第一关就过不去，更是极少有团队能走到第三关。
你就说吧，整体企业效率怎么可能想飞起就飞起:-)
