有趣的事

AI 开始写代码以后,程序员们最常把时间花在哪里?

AI 开始写代码后,程序员的时间并没有简单地从“写代码”整体转移到别处,而是从逐行实现,更多转向定义问题、约束生成结果,以及判断结果是否真的可靠。具体分配取决于项目风险、代码库质量和团队流程。

最先增加的是需求澄清与任务拆解。模型擅长根据明确上下文补全实现,却不一定知道业务规则、历史兼容性或团队约定。把“做一个导出功能”拆成格式、权限、数据规模、失败处理和兼容要求,往往比马上生成代码更重要;边界没讲清楚时,生成速度越快,返工也可能越快。

其次是审查、验证和集成。程序员需要检查代码是否符合现有架构,是否覆盖异常路径,是否引入安全或性能问题,并通过测试、日志和实际运行来验证假设。AI 给出的代码看起来完整,不等于它正确,也不等于它适合当前项目。尤其是涉及数据迁移、权限、并发或外部 API 时,验证成本不能省略。

写代码本身仍然存在,只是工作形态变了:人会更多地编写关键约束、接口、测试和小范围修改,再让模型协助补齐重复实现或探索方案。对于边界清晰、风险低的样板任务,节省可能很明显;对于需求模糊、系统耦合强或错误代价高的工作,沟通上下文与审查可能抵消一部分节省。

因此,程序员更值得投入的时间通常是建立正确的问题模型、理解系统、设计可验证的接口,以及对最终行为负责。AI 是加速器,不是责任转移机制:产出越容易,越需要把注意力放在“这段代码是否解决了正确的问题、能否被证实可靠”上。

相关阅读