一個月沒有 AI – 一名開發者的警示故事與社群反應

TL;DR

一位軟體工程師在依賴 AI 生成程式碼一個月後選擇放棄，意識到這些工具讓他變得懶惰、疲憊，且無法理解自己的變更；Hacker News 的討論串呼應了他的擔憂，指出過度依賴的風險，以及偶爾帶來的生產力提升。

試驗：全面投入 AI

  • 初始動機 – 作者啟用了 VS Code 的自動補全和其他程式碼生成代理，被承諾能將耗時數日的任務縮短為一小時內完成所吸引。
  • 早期工作流程 – 他讓 AI 先寫測試（遵循 TDD 的習慣），再撰寫實作，幾乎將整個開發週期外包。
  • ** escalating** – 整個 Jira 工單直接貼入提示中，多個代理在獨立的 git worktrees 中並行運作，作者甚至將提交訊息和 PR 描述也交給模型處理。

"我開始啟用 VS Code 的增強自動補全……然後下載並使用其他程式碼生成模型，這就順理成章了。"

控制力喪失與生產力幻覺

  • 盲目信任 – 作者接受 AI 的建議，因為模型聲稱已讀取整個程式碼庫，即使他無法驗證變更內容。
  • 上下文切換過載 – 雖然 AI 快速產生 PR，但作者花了數天時間審查、修正風格並處理 CI 失敗，原本 20 分鐘的任務變成兩天的苦差事。
  • 程式碼品質下降 – 生成的程式碼經常需要重複提示、重新解釋，甚至徹底重寫；token 成本暴增（例如，花費 30 美元卻毫無實質輸出）。
  • 技能退化 – 經過數月後，他意識到自己根本沒親自寫過一行程式碼，當被迫手動修復 AI 生成的 PR 時，感覺「生疏」。

"有些任務我原本 20 分鐘就能完成，AI 代理花 5 分鐘，然後我花了兩天審查。"

重新掌握控制權

  • 觸發點 – 一位同事在程式碼審查時指出一個錯誤的測試，暴露了作者能力的退步。
  • 決策 – 他決定完全停止使用 AI，即使可能危及工作，也回歸手動工作流程：
    • 小型 PR（約 5 個檔案變更）
    • 簡潔的兩行提交訊息
    • 以 TDD 為導向的開發
    • 直接的人類程式碼審查
  • 結果 – 他重拾信心，能為每一行程式碼提出合理解釋，並感覺到生產力與思維敏捷度都提升了。

"我回到 TDD，回到只有 5 個檔案變更的 PR……我找回了編程的樂趣。"

Hacker News 上的社群反應

常見主題

  1. AI 是有缺陷的搜尋工具 – 多位留言者將 LLM 視為更好的（或更差的） Google，指出常有事實錯誤。
    • *"我公司付費使用 Claude，我的做法是把它當作更好的 Google 搜尋。但其實常常也沒比較好。"
  2. 技能退化是真實的 – 使用者報告在大量依賴 AI 後，忘記語法、除錯技巧，甚至基本工作流程。
    • *"我覺得 Claude 等模型比我厲害多了，但這個人說他們更厲害……我真想看到具體例子。"
  3. 多工過載 – 同時運行多個代理會導致上下文切換疲勞，與作者的經驗相符。
    • *"這是一個個人時間管理問題，不是工具問題。"
  4. 選擇性有用 – 許多人認為 AI 對於範本、快速腳本或日誌分析很有價值，但不適合核心生產程式碼。
    • *"我可以快速建立工具來測試某些東西……這些情況下程式碼品質不重要。"
  5. 經濟擔憂 – token 成本可能暴增，公司也可能砍掉 AI 預算，使依賴變得風險高。
    • *"當 AI 預算被砍時，你會幫他們省下一些錢。"

重要反駁意見

  • 工具，而非毒物 – 有些人認為 AI 只是工具，可能被濫用；完全放棄可能並非必要。
    • *"AI 只是工具，很容易被濫用。"
  • 特定任務的生產力提升 – 對於複雜的生產環境除錯或產生一次性腳本，AI 協助仍可能更快。
    • *"我用 AI 來除錯奇怪的生產問題；它能大幅縮短調查時間。"
  • 團隊動態 – 過度產出程式碼會讓審查流程不堪重負；限制進行中工作量並強制協作可緩解問題。
    • *"我們透過設立 WIP 限制，減少 token 消耗並清除了瓶頸。"

給開發者的教訓

  1. 保持主導權 – 在合併任何 AI 生成的程式碼前，務必閱讀並理解；將模型視為協作者，而非作者。
  2. 限制範圍 – 將 AI 用於低風險任務（例如：架構搭建、資料解析腳本），核心邏輯仍由人工撰寫。
  3. 防範 token 浪費 – 監控使用情況；單一卡住的請求可能耗費數十美元卻無輸出。
  4. 維持 TDD 紀律 – 先寫測試能迫使你思考行為，再讓 AI 提出實作建議。
  5. 定期技能檢測 – 定期不借助協助編碼，確保自己仍能獨立解決問題。

最終結論

對 AI 程式碼生成器的過度依賴可能磨損基本的程式設計技能，產生隱藏的技術負債，並導致倦怠；然而，有紀律且選擇性地使用，仍可帶來生產力提升。社群共識強調，需要設定明確的界限、持續維護技能，並清楚理解 AI 協助何時增加價值，何時反而剝奪控制權。

Sources

相關