AI 编程的隐藏成本（以及如何有意识地使用它）

Source: Dev.to

“AI 并没有弄坏你的代码。是你对它太过信任了。”

GitHub Copilot、ChatGPT 等 AI 工具正在改变我们编写软件的方式。你敲一行注释……瞬间就出现了完整的函数。感觉像魔法。

但有一个令人不舒服的事实：如果不小心，AI 会悄悄让你成为更差的工程师。这并不是反 AI——我每天都在使用它。

AI 编程的负面影响

1. 你停止深入思考

AI 给你答案，而不是理解。

def calculate_discount(price, discount):
    # Looks correct…
    return price * (1 - discount)

如果 discount = 20 而不是 0.20 会怎样？AI 并不会验证业务逻辑——它只会生成代码。

2. 缺乏上下文

AI 可能生成看起来整洁的代码，却忽视了生产环境的顾虑：

• 没有分页
• 没有限流
• 没有身份验证
• 没有缓存

你刚刚制造了一个生产风险。

3. 自信却错误的代码

AI 听起来很正确，即使它是错的。

List list = Arrays.asList("a", "b", "c");

Arrays.asList() 返回的是固定大小的列表，尝试添加或删除元素会抛出 UnsupportedOperationException。AI 漏掉了这条细微的语言规则。

4. 技术债务爆炸

AI 优先考虑“让它工作”，而不是“让它可扩展且易维护”。

function processOrder(order) {
    // No design pattern
    // No extensibility
    // Hard to maintain
}

生成的代码难以扩展和维护，导致技术债务不断累积。

调试能力下降

如果 AI 写了所有代码，当出现问题时会怎样？你只能在不完全理解的代码上进行调试。

谨慎使用 AI

1. 将 AI 用作草稿，而不是决策

错误做法： “AI 写的，直接上线。”
正确做法： “AI 写的，我再验证一下。”

2. 始终添加约束

不要只要求一个通用的 “用户 API”，要具体说明：

“编写一个带分页、限流、身份验证并具备错误处理的 API。”

示例（更好的 API）：

if (limit > 100) {
    res.status(400).json({ error: "Limit exceeds maximum of 100" });
    return;
}
const users = await db.getUsersPaginated(page, limit);
res.json({ users });

3. 把 AI 当作初级开发者

• 彻底审查代码。
• 质疑假设。
• 测试边缘情况。

4. 向 AI 提问 “为什么”，而不仅仅是 “什么”

不要只说 “给我代码”，而是：

“解释权衡、边缘情况和风险。”

5. 将 AI 用于重复性工作

最佳使用场景：

• 样板代码
• 测试用例
• 文档
• 重构建议

避免在关键架构决策上依赖 AI。

问题不在于 AI 本身——在于盲目信任。最优秀的工程师不会用 AI 替代思考，而是用 AI 放大思考。