为什么用AI写代码之后,人反而越来越累了?
用 AI 写代码后更累,往往不是“少打字”没有生效,而是工作从连续的实现转成了频繁的判断与校验。模型可以很快生成代码,但需求拆解、上下文补充、审查边界条件、发现并定位错误,仍然需要人负责;生成得越快,待审查的改动也可能越多。
尤其在任务描述含糊、代码库上下文复杂时,人要反复解释约束、比较多个方案,并确认 AI 有没有误解接口、遗漏异常处理或引入不兼容行为。来回切换问题和代码会打断专注;如果把未经验证的输出直接合并,后续排错还会把省下的时间加倍还回去。
可以试着把 AI 用在边界清楚、可验证的小任务上:先说明目标、相关文件和限制,再要求它解释改动及假设;自己检查差异,并运行项目已有的构建或验证流程。较大的工作先让它列方案或拆步骤,逐段确认。若任务本身需要大量背景、代码审查成本高,或生成质量不稳定,直接手写可能更省力。关键不在于让 AI 写得更多,而是让它减少总的理解、实现和返工成本。