佳文共赏 全部文章

AI编程能力提升快于团队实践，真正决定产出差距的不是基准分数，而是从补全、上下文管理、经验沉淀、工具接入到反馈闭环和后台智能体的分级进化；每升一级都会放大效率，且团队短板会卡住整体吞吐，当前最有价值的方向是把智能体从辅助写码推进到可异步协作、可自我验证的后台执行。

作者主张AI应提升而非拉低代码质量，低质交付是流程选择，应以减少技术债为目标，把命名、API调整、去重、拆分大文件等耗时重构交给异步编码代理在分支完成并以PR筛选迭代，同时用LLM扩展方案空间并快速做探索性原型与并行实验，配合复盘沉淀指令形成“复合工程”循环，让小改进持续累积，实现上线与质量兼得。

过度依赖AI生成代码会累积“理解债”，即代码规模增长快于人类理解速度，表面测试与指标向好却削弱系统心智模型，变更与排错时集中爆雷；研究显示用AI代写理解力下降约17%，被动委派最伤技能，测试与规格无法替代理解与审查，组织应将“真正理解所交付内容”作为质量门槛与合规前置条件。

硅谷开发者正把写代码交给AI代理，转而用自然语言下达任务、审阅计划与结果并用测试约束幻觉，初创公司效率可提升至数十倍，大厂在既有代码库中更多用AI做理解、修复与自动化运维，整体提速约10%且团队规模缩小；结果是编码更像架构与评审而非手工实现，入门岗位与技能传承承压，但非程序员也能快速生成可用软件，白领工作或普遍转向“生成更少、判断更多”。

编码代理让写代码成本骤降，EPD流程从“先写PRD再出设计再实现”转为“先快速原型再集中评审”，瓶颈由实现转到架构、产品与交互的审查与仲裁；传统PRD式瀑布死亡但需求意图文档仍必需且可演化为结构化提示；角色更趋融合，通才与产品感更关键，专才门槛提高，组织分化为用代理构建的builder与高强度系统思考的reviewer，坏产品想法将放大浪费与产品膨胀风险。

写作的核心是通过提出并回答问题来澄清目标、加深理解并建立能力与信任，用LLM直接代写会失去独立思考训练，也会削弱作者可信度，让人怀疑观点是否真实；LLM更适合用于调研、校对、记录和发散想法，若要真正提升效率，必须同步提高人的思考质量。

AI代理让写代码从辅助转为主导并快速商品化，个人产出与企业组织随之加速重构且裁员叙事被市场买单，历史类比印刷术、电力与云计算表明能力一旦变廉价价值会迁移并出现供给爆炸与注意力稀缺，创业竞争转向问题定义、产品判断、用户与数据等代码之外护城河，机会在围绕新能力重写软件形态并把握解构后再整合的窗口。

作者主张囤积可运行的技术解法与代码样例，通过博客与仓库并借助LLM持续扩充，再让编码代理检索并重组既有示例快速生成新工具，如合并PDF.js与Tesseract.js做浏览器OCR，结论是技巧只需攻克一次即可反复复用并显著加速后续开发。

作者拒绝将LLM作为主要编程方式，认为它虽能处理简单任务、降低编码层面的偶然复杂度，却无法解决系统设计、数据理解、架构取舍等本质复杂度；消除摩擦会削弱学习、判断、协作与责任感，并把风险转嫁给使用者，最终可能提高产出速度，却未必带来更可靠、更有伦理的软件。

主张人类不应放任代理完成开发也不必逐行审查代码，而应“在环上”设计并管理从需求到交付的多层反馈回路，通过规格、测试、评估与流程指导构建并持续改进代理执行的“harness”，再引入测试指标、性能与故障验证、生产与业务数据驱动代理自我评估与提出改进，形成持续加速的飞轮，以降低时间成本与失控风险并提升系统可靠性与可演进性。