不會使用AI的工程師就會落后。

一位工程師小哥科爾頓·沃奇，說看到這類觀點引發了自己巨大的精神焦慮。

幸好他是一個持懷疑態度的人，測試完一堆AI開發工具后，發現也就那么回事。

他的文章在Hacker上也引起許多程序員的討論，互動評論量有600+。

一起來看他的回擊。

AI還有很多問題，工程師要學會引導

沃奇小哥平時工作不怎么使用AI，在社交媒體上總是刷到“AI提升10倍生產力”“不會使用AI的工程師就落后了”之類的內容，引起了他對自己專業能力的深度懷疑，讓自己陷入了精神焦慮之中。

他自己說，好在自己是個對任何事情看法都持懷疑態度的人，就去把Claude Code、Cursor、Roo Code和Zed等AI開發工具都試了一遍。

結果發現，AI寫樣板代碼、一次性腳本等，寫的又快又好，比如React、JavaScript的基礎代碼，臨時寫個ESLint規則啥的。

但是，AI難以理解大型代碼庫的上下文，就算有很好的提示和文件，讓它查找文檔或者修復破壞的測試的時候，就總是來回折騰，做無用功。

更嚴重的是，AI跟不上代碼庫的標準和工具，甚至會虛構代碼庫，導致嚴重的安全漏洞。

發現AI存在這些問題后，他也就沒那么焦慮了，AI還是需要工程師來引導的。

沃奇小哥說，工程師要學會將復雜任務拆解為更小的單元喂給AI，避免AI在處理長文本（上下文窗口后期）時出現邏輯混亂或 “失去理智” 的情況。

他還拿Claude Code舉例子，雖然能自動完成部分任務，但是可靠性不高，不能完全依賴。

工程師要學會判斷AI何時 “跑偏”（輸出不符合預期），此時要及時接手，糾正錯誤或重新引導。

打破“10倍生產力”神話，無論AI還是工程師

想要實現“AI10倍生產力”，意味著工作流程的每個環節效率都要X10。

舉個例子，從產品構思、故事點協商、修復錯誤、代碼審查、等待部署、測試和QA，這些工作過往都需要三個月來完成，有AI了，就能在1.5周內完成？

比如代碼審查，需要的工作環節就有：（1）給審查者打標簽 （2）希望他們能盡快處理（但這會很困難，因為他們顯然要審查比以前多 10 倍的代碼）（3）在等待時切換到其他任務（4）看到通知立即回復，也可以在你審稿人當天離線 2 小時后回復（5）切換回審稿界面（6）閱讀他們的評論（7）回應（8）重復操作

但凡有過項目開發經驗的軟件工程師，都知道這不可能。

除此之外，軟件工程開發最終目的是做一個用戶喜愛的產品，產品經理要審核、論證開發可行性，要進行用戶訪談，同樣的，設計師和測試人員也一樣要做相應的工作。

這些流程環節要是提升10倍生產力的話，就要招聘10倍的產品經理及相關人員。

除了工作流程上的問題，就算AI寫代碼效率提升了10倍甚至100倍，但是實際工程師工作核心不是敲代碼，而是閱讀和思考，比如等待編譯、頁面刷新或測試運行。

很顯然，AI并不會提升這些環節效率。

更不用說AI生成的內容還存在缺陷、虛構甚至低于代碼庫標準等問題了。而且隨著代碼庫規模增大，AI出現這些問題的頻率也會隨之上升。

而且，AI還存在過度構建的問題。

以上情況發生時，工程師必須得重新提示，或者親自去修改代碼。

回到原點，end。

換個角度，就算熟練運用AI寫代碼了，存在的問題可能就是工程師習慣性依賴AI，不做深度審查和判斷，那代碼庫規模擴大，問題更加復雜時，工程師就會面臨個人的“生產力瓶頸”時刻。

那照這么說，AI在實際軟件工程開發中并沒有那么強的作用。

真正有用的，還是工程師。那實際工作中有“10倍工程師”么？

根據沃奇小哥的觀察，或許“10倍工程師”只會出現在特定情況下，但是他沒有見過有工程師能持續完成比普通工程師多十倍的工作量，高級工程師比普通工程師也不過快2倍而已。

總的來說，就是AI工具可以在敲代碼、寫腳本等具體工作任務中幫忙提升效率，甚至可以是10-100倍生產力提升。

但是，工作畢竟是復雜的，會面臨各種問題。比如應用程序太大，無法在上下文中運行，開始出現不一致的顯示和功能；網站被黑，要學習保障安全的相關知識等等。

因此程序員們在現實工作中終究會面臨回報急劇遞減的階段。

而這些，AI都無法解決。

所以是誰在宣傳AI10倍生產力神話呢。

或許是剛接觸AI的新手，AI幫忙解決某些代碼問題就覺得AI好厲害。也或許是AI創業公司的老板或者投資者，鼓吹他們的AI產品。

也或許是，一些AI培訓商業機構，稱三個月編程訓練營就能培養出媲美4年制大學水平的工程師。

更有可能的是，自己的老板，讓工程師陷入可能被AI替代的焦慮之中，這樣他們就不會辭職、尋找其他工作或要求加薪。

不會AI也沒關系

說了這么多，沃奇小哥就是想大家安心，回歸理性，別陷在“AI取代工程師”的焦慮情緒之中。

不會AI也沒關系，選擇自己喜歡的工作方式來產出就好了。不喜歡AI，就不要強迫自己去使用；喜歡AI編程，就享受這種感覺和方式。

他還順帶“點”了一下老板們，成為一名優秀的AI領導者，要知道什么：

1、放棄PUA：讓工程師們焦慮只會降低工作意愿，這是一種短期思維。工程師們因此發生的技術失誤最終還是公司買單。

2、摒棄“10倍效率”幻想：過度追求效率會導致質量低下。工程師和代碼庫都需要“休息”。（小哥還順帶表揚了自己的公司，說自己很幸運的在一個沒有這種問題的團隊里。）

3、信任工程師：不要因為工程師沒有使用足夠的token而責備他們。工程師們是受過高等教育的專業人士，如果出現超級驚人的生產力提升工具，他們會主動向領導申請專業版。

關于科爾頓·沃奇

為何這位小哥這么在意AI編程工具在工作中的應用。

原來，他自己曾經就是一家開發教育類AI工具公司的聯合創始人。

△

左一為科爾頓·沃奇

2014年，還在普渡大學讀大二的科爾頓·沃奇和兩位小伙伴一起創辦了Mimir，這是一個大學計算機科學課程評分和師生反饋的AI工具，能夠幫助教授上傳課程大綱和作業、記錄工作、評分并與學生互動評論。

到2017年，他們這個產品就有七十所大學使用了，包括凱斯西儲大學、約翰霍普金斯大學和密歇根大學。

同年，他們三人就入選了福布斯教育類30歲以下30強榜單。

這個項目也入選了 Y Combinator創業加速器，在2019年，Mimir被HackerRank（美國一家知名的在線編程平臺）收購，小哥就以工程經理的身份加入，帶領團隊推進新的項目計劃。

怪不得他能從項目負責人的視角出發，對AI在真實工作場景的應用提出這么獨到的分析。

話說回來，小哥也是告訴大家，happy work, happy life。