AI 编码工具：为什么开发者意见不合

Source: Dev.to

你会听到两种截然不同的说法：

• 朋友（创业创始人） – “我们的团队现在使用 AI 两倍速交付功能。我很兴奋！”
• 开发者 – “我们试过了。我们花的 时间比自己写代码还多，都是在清理 AI 产生的代码。”

两者都没错。他们描述的是 不同的时刻，而这个领域的变化速度比大多数人意识到的要快得多。作为负责招聘、时间线和工具选择的人，你需要理解为什么这些体验会出现差异。

为什么对话感觉像辩论

人们在讨论 不同的时代 和 不同的工作流 时，好像它们是同一件事。当你与工程团队和创始人交谈时，常会遇到相同的 原型，每种原型对 AI 编码的体验截然不同。

1. 怀疑者

• 对象: 资深软件开发者。
• 时间: 在 一年或更久以前 试用了 AI 编码工具。
• 结果: 输出脆弱且充满 bug，需要大量清理，以至于自己手写代码更快。
• 结论: 工具尚未成熟——对当时而言是合理的判断。
• 当前立场: 没有重新尝试，因为他们不相信工具会如此快速地改变。

2. 机会再尝试者

• 对象: 与怀疑者相同类型的开发者，标准相同。
• 时间: 最近（在最新突破之后）尝试了 AI 工具。
• 结果: 对质量感到惊讶。现在信任 AI 并将其融入日常工作流：
  • 自动化错误检测
  • 事件响应
  • 代码审查
  • 测试生成
  • 文档编写
• 结论: 不是炒作——一种 真正可用的技术。

3. 复制粘贴者

• 通过聊天窗口使用 AI，复制代码进出。
• 对 不熟悉的技术 有帮助，但被当作搜索引擎使用。
• 并未使用 AI 每天编写数十个文件。

4. 预算用户

• 使用 最便宜的订阅；经常触及 token 限额。
• 花在 编写提示词 上的时间比开发功能还多。
• 结果尚可，但摩擦感强。
• 常常自问：“到底有什么好大惊小怪的？”

5. 创始人‑构建者

• 几乎 全部使用 AI 构建产品——没有工程团队、没有代码审查，只有一个宏大的想法和高级订阅。
• 上线速度快；结果可能真的令人印象深刻。
• 没有人检查其内部实现。今天能用，但 未来的持久性 尚不确定。

数字背后的真实情况

如果你是做技术决策的人，这五位人士会给出 五个完全不同的答案 来回答“我们是否应该在开发中投资 AI？”他们都没有撒谎；只是使用 不同的工具、不同的时间段、不同的工作流。你不能把他们的经验当成在同一件事上进行比较。

2025 年11‑12月的突破

在 2025 年11月，三大 AI 公司发布了 改变开发者编写软件方式 的编码模型。

这些发布并非源于单一突破。 模型变得更聪明，而 围绕这些模型构建的工具也同步成熟，从而在开发者生产力上实现了 跨步式提升。

这对您的决策意味着什么

1. 招聘

• 您所需的技能组合正在变化。
• 您可能需要更少的从头编写代码的人，但需要更有经验的工程师来审查和指导 AI。
• 架构和代码审查变得比以往任何时候都更有价值。
• 能评估 AI 生成代码的高级工程师，其价值可能超过三名编写样板代码的初级工程师。
• 如果您的招聘计划是六个月前制定的，可能需要重新审视。

2. 时间表

• 原本需要三个月的项目现在可能只需六周——前提是团队使用配套正确工作流的当前工具。
• 仍停留在复制粘贴模式的团队将看不到加速。
• 装备齐全的团队与其他团队之间的差距正在快速扩大，影响您的竞争地位。

3. 技术债务

• AI 生成的代码交付更快，但可能累积隐藏的质量问题：
  • 冗长的逻辑
  • 重复的模式
  • 对边缘情况的浅层处理
• 没有经验丰富的监督，您就在用今天的速度换取六个月后昂贵的问题。
• 快速前进只有在没有在不稳固的基础上构建时才是优势。

4. 工具投资

• 每月 20 美元与每月 100 美元以上的差别并非虚荣，它改变了可能性。
• 在没有正确工作流的情况下花更多钱是浪费。
• 您需要一个深思熟虑的策略：合适的工具、合适的培训，以及懂得评估结果的人。

5. 团队意见有有效期

• 您的高级开发者在2025 年中关于 AI 编码的任何说法，可能已经过时。
• 这个领域以季度而非年份为单位快速变化。基于陈旧信息做出的决策会产生真实成本。

一个安全的起点

考虑你的 QA 团队。AI 在 编写自动化测试 方面表现出色。从这里开始，你可以立即获得收益，同时培养必要的审查专长。

向团队提出的问题

你不需要成为技术专家就能做出更好的决策，但你必须提出正确的问题。以下是一些可以作为起点的问题：

1. 你上一次认真评估 AI 编码工具是什么时候？
2. 你测试了哪个模型或产品，具体日期是什么？
3. 你使用了什么工作流（复制‑粘贴、集成 IDE 插件、全项目重构等）？
4. 在提示工程上花了多少时间，相比实际开发？
5. AI 生成的代码与手动清理的比例是多少？
6. 你使用的是哪一层级的工具（免费、基础、付费）？
7. 你跟踪了哪些指标（周期时间、缺陷数量、发布后缺陷、开发者满意度）？
8. 你如何处理 AI 生成输出的代码审查和质量门禁流程？
9. 从 AI 生成的代码中出现了哪些技术债务问题（如果有的话）？
10. 哪些培训或入职指导可以帮助团队更有效地使用最新工具？

回答这些问题将为你提供一个 当前、可比的快照，帮助了解组织的现状以及未来可能的发展方向。

评估时间

答案在 2025 年 10 月之前，评估已过时。如今可用的工具明显优于六个月前的工具。

工具使用

• 我们是否使用 Cursor、Codex 或 Claude Code 等工具？
  • 如果不使用，真实原因是什么？
  • 如果使用，流程是怎样的，我们如何检查结果？

对下个季度路线图的影响

如果 AI 工具将实施时间缩短 40%，我们的下个季度路线图会有什么变化？

这个问题迫使你的团队考虑 战略影响，而不仅仅是工具偏好。

所有权与持续评估

• 我们是否有专人保持对该领域的最新了解？
  • 形势变化迅速，需要有人负责。
  • 责任包括：
    1. 评估新工具。
    2. 更新工作流程。
    3. 将可能的方案转化为贵公司实际应采取的行动。

结论

AI 编码的争论其实根本不是争论。人们把不同的时代和不同的工作流描述成好像它们拥有相同的体验——其实并非如此。

变化的速度意味着你的团队视角的保质期是 几个月，而不是几年。拥有能够剖析噪音、评估真实情况并将其转化为你的路线图和招聘计划的人，决定了是 乘风破浪 还是 在岸边观望。

本文最初发表于 kamenski.me。