2025 年终:从『写代码』到『带 AI 写代码』
Words: 904Read Time: 3 minLast edited: 2026-8-4
从「补全」到「Agent」
去年我眼里的 AI 编程工具还是「加强版自动补全」:Copilot 猜我下一行要写什么,猜对了按个 Tab。当时的定位很明确——它是输入法,我是司机。
今年的变化是质的。Cursor、Claude Code 这类工具陆续把能力从「补一行」推到了「完成一个任务」:你描述需求,它自己读代码库、拆步骤、改多个文件、跑测试,报错了自己看堆栈再修。第一次让 Agent 独立把一个接口从路由写到测试全部搞定、一次跑通的时候,我在工位上坐了一会儿,意识到工作方式要变了。
我的工作流变成了什么样
以前:想需求,打开 IDE,一行一行写,调试。一天的有效产出可能就几百行。
现在:
- 把需求讲清楚,附上相关文件的上下文,让 AI 先出方案和初稿。
- 我审查:逻辑对不对、边界有没有漏、风格像不像项目里现有的代码。
- 不合适的打回重写,或者直接告诉它「这里改成什么」。
- 跑测试,过了再合。
我的角色从「写每一行」变成了「描述需求加审查代码」。产出的代码大概七成都不是亲手敲的,但每一行我都读过——审查变成了新的核心动作。
效率账与翻车记录
快是真快:CRUD、脚本、单元测试、正则、SQL 这些模式化的活儿,效率至少翻倍。那种「想好了但要花两小时敲完」的摩擦力基本消失了。
翻车也是真翻过:一次让 AI 改微信回调的验签逻辑,它自作主张「优化」掉了一步看起来多余的校验,测试全绿,评审的时候我才发现——那步校验是防重放的。AI 不知道业务里那些「为什么必须这么写」的隐性知识,而这恰恰是我最值钱的部分。
AI 写得快,但责任还是签名的人负。
程序员的价值在哪
年中我焦虑过一阵:如果描述需求就能出代码,那我们算什么?折腾了一年,我的答案清晰了一些:
- 判断力:方案 A 和方案 B 哪个适合这个业务,AI 能给建议,拍板的是人。
- 隐性知识:历史包袱、线上事故的教训、客户的真实意图,这些都不在代码里。
- 责任:代码出了问题,背锅的是人不是模型。
重复性的编码在贬值,但「把模糊的需求变成可靠的系统」这件事反而更值钱了——产出变快之后,判断错方向的代价也变大了。
写在最后
我不怀念手写每一行代码的日子,就像老一辈不怀念打孔纸带。工具在变,工程师的核心没变:理解问题,做出取舍,对结果负责。2026 年的目标很明确:继续学着带 AI 干活,把省下来的时间花在值得的地方——比如多写几篇博客。
Loading...