不会使用AI的工程师就会落后。
一位工程师小哥科尔顿沃奇，说看到这类观点引发了自己巨大的精神焦虑。
幸好他是一个持怀疑态度的人，测试完一堆AI开发工具后，发现也就那么回事。
他的文章在Hacker上也引起许多程序员的讨论，互动评论量有600+。
一起来看他的回击。
AI还有很多问题，工程师要学会引导
沃奇小哥平时工作不怎么使用AI，在社交媒体上总是刷到“AI提升10倍生产力”“不会使用AI的工程师就落后了”之类的内容，引起了他对自己专业能力的深度怀疑，让自己陷入了精神焦虑之中。
他自己说，好在自己是个对任何事情看法都持怀疑态度的人，就去把Claude Code、Cursor、Roo Code和Zed等AI开发工具都试了一遍。
结果发现，AI写样板代码、一次性脚本等，写的又快又好，比如React、Javascript的基础代码，临时写个ESLint规则啥的。
但是，AI难以理解大型代码库的上下文，就算有很好的提示和文件，让它查找文档或者修复破坏的测试的时候，就总是来回折腾，做无用功。
更严重的是，AI跟不上代码库的标准和工具，甚至会虚构代码库，导致严重的安全漏洞。
发现AI存在这些问题后，他也就没那么焦虑了，AI还是需要工程师来引导的。
沃奇小哥说，工程师要学会将复杂任务拆解为更小的单元喂给AI，避免AI在处理长文本（上下文窗口后期）时出现逻辑混乱或 “失去理智” 的情况。
他还拿Claude Code举例子，虽然能自动完成部分任务，但是可靠性不高，不能完全依赖。
工程师要学会判断AI何时 “跑偏”（输出不符合预期），此时要及时接手，纠正错误或重新引导。
打破“10倍生产力”神话，无论AI还是工程师
想要实现“AI10倍生产力”，意味着工作流程的每个环节效率都要X10。
举个例子，从产品构思、故事点协商、修复错误、代码审查、等待部署、测试和QA，这些工作过往都需要三个月来完成，有AI了，就能在1.5周内完成？
比如代码审查，需要的工作环节就有：（1）给审查者打标签 （2）希望他们能尽快处理（但这会很困难，因为他们显然要审查比以前多 10 倍的代码）（3）在等待时切换到其他任务（4）看到通知立即回复，也可以在你审稿人当天离线 2 小时后回复（5）切换回审稿界面（6）阅读他们的评论（7）回应（8）重复操作
但凡有过项目开发经验的软件工程师，都知道这不可能。
除此之外，软件工程开发最终目的是做一个用户喜爱的产品，产品经理要审核、论证开发可行性，要进行用户访谈，同样的，设计师和测试人员也一样要做相应的工作。
这些流程环节要是提升10倍生产力的话，就要招聘10倍的产品经理及相关人员。
除了工作流程上的问题，就算AI写代码效率提升了10倍甚至100倍，但是实际工程师工作核心不是敲代码，而是阅读和思考，比如等待编译、页面刷新或测试运行。
很显然，AI并不会提升这些环节效率。
更不用说AI生成的内容还存在缺陷、虚构甚至低于代码库标准等问题了。而且随着代码库规模增大，AI出现这些问题的频率也会随之上升。
而且，AI还存在过度构建的问题。
以上情况发生时，工程师必须得重新提示，或者亲自去修改代码。
回到原点，end。
换个角度，就算熟练运用AI写代码了，存在的问题可能就是工程师习惯性依赖AI，不做深度审查和判断，那代码库规模扩大，问题更加复杂时，工程师就会面临个人的“生产力瓶颈”时刻。
那照这么说，AI在实际软件工程开发中并没有那么强的作用。
真正有用的，还是工程师。那实际工作中有“10倍工程师”么？
根据沃奇小哥的观察，或许“10倍工程师”只会出现在特定情况下，但是他没有见过有工程师能持续完成比普通工程师多十倍的工作量，高级工程师比普通工程师也不过快2倍而已。
总的来说，就是AI工具可以在敲代码、写脚本等具体工作任务中帮忙提升效率，甚至可以是10-100倍生产力提升。
但是，工作毕竟是复杂的，会面临各种问题。比如应用程序太大，无法在上下文中运行，开始出现不一致的显示和功能；网站被黑，要学习保障安全的相关知识等等。
因此程序员们在现实工作中终究会面临回报急剧递减的阶段。
而这些，AI都无法解决。
所以是谁在宣传AI10倍生产力神话呢。
或许是刚接触AI的新手，AI帮忙解决某些代码问题就觉得AI好厉害。也或许是AI创业公司的老板或者投资者，鼓吹他们的AI产品。
也或许是，一些AI培训商业机构，称三个月编程训练营就能培养出媲美4年制大学水平的工程师。
更有可能的是，自己的老板，让工程师陷入可能被AI替代的焦虑之中，这样他们就不会辞职、寻找其他工作或要求加薪。
不会AI也没关系
说了这么多，沃奇小哥就是想大家安心，回归理性，别陷在“AI取代工程师”的焦虑情绪之中。
不会AI也没关系，选择自己喜欢的工作方式来产出就好了。不喜欢AI，就不要强迫自己去使用；喜欢AI编程，就享受这种感觉和方式。
他还顺带“点”了一下老板们，成为一名优秀的AI领导者，要知道什么：
1、放弃PUA：让工程师们焦虑只会降低工作意愿，这是一种短期思维。工程师们因此发生的技术失误最终还是公司买单。
2、摒弃“10倍效率”幻想：过度追求效率会导致质量低下。工程师和代码库都需要“休息”。（小哥还顺带表扬了自己的公司，说自己很幸运的在一个没有这种问题的团队里。）
3、信任工程师：不要因为工程师没有使用足够的token而责备他们。工程师们是受过高等教育的专业人士，如果出现超级惊人的生产力提升工具，他们会主动向领导申请专业版。
关于科尔顿沃奇
为何这位小哥这么在意AI编程工具在工作中的应用。
原来，他自己曾经就是一家开发教育类AI工具公司的联合创始人。
△
左一为科尔顿沃奇
2014年，还在普渡大学读大二的科尔顿沃奇和两位小伙伴一起创办了Mimir，这是一个大学计算机科学课程评分和师生反馈的AI工具，能够帮助教授上传课程大纲和作业、记录工作、评分并与学生互动评论。
到2017年，他们这个产品就有七十所大学使用了，包括凯斯西储大学、约翰霍普金斯大学和密歇根大学。
同年，他们三人就入选了福布斯教育类30岁以下30强榜单。
这个项目也入选了 Y Combinator创业加速器，在2019年，Mimir被HackerRank（美国一家知名的在线编程平台）收购，小哥就以工程经理的身份加入，带领团队推进新的项目计划。
怪不得他能从项目负责人的视角出发，对AI在真实工作场景的应用提出这么独到的分析。
话说回来，小哥也是告诉大家，happy work, happy life。
