有趣的事

同样都是用 AI 写代码,工程师跟普通人的区别是什么?

区别不在于谁会写更长、更复杂的提示词,而在于能否把 AI 产出的代码纳入可靠的工程过程。

工程师通常先界定问题和约束:现有系统如何工作、接口与数据格式是什么、哪些行为不能改变、性能和安全边界在哪里。随后把任务拆小,让模型一次处理边界清楚的改动,并提供相关代码、错误信息和必要上下文。普通使用者也能描述需求,但往往较少掌握这些隐含约束,结果可能“看起来能用”,却与项目实际不兼容。

更关键的是验证。工程师会读 diff,检查调用链、异常路径、权限和输入校验,运行合适的测试或手工验证,并根据失败信息迭代;还会判断测试是否覆盖了真正的风险,而不是把模型说“已完成”当作证明。比如让 AI 改一个登录接口,除了成功登录,还要检查错误密码、过期会话、未授权请求,以及是否意外改变旧客户端依赖的响应格式。

这并不意味着工程师不会犯错,也不意味着普通人不能有效使用 AI。两者都可以借助模型提升效率;差别更多来自领域知识、审查能力和对后果的承担。对低风险、可撤销的小任务,直接试用并观察结果可能足够;涉及数据丢失、隐私、资金或线上服务时,则应先在隔离环境验证、保留回滚方案,必要时请熟悉系统的人复核。AI 擅长生成候选方案,最终判断仍需由了解目标和风险的人负责。

相关阅读