AI浪潮里的北大人 | 甲子光年 说个最近越想越不对劲的事...... 《AI 编程的加速陷阱》 我是maple，目前主要在腾讯做Agent 相关的一些开发业务。 我们团队现在代码提交量大概是以前的几十倍。一开始大家挺兴奋，觉得效率上来了。但慢慢我发现，量上来了，可控性反而下去了，而且是整条链一起往下掉。 需求评审完，产品随口说了句，「这个边界先不用管，实际业务里不会这么用。」程序员点点头，测试也没为这个场景开单。这句话没进 PRD，没进纪要，也没变成用例，但它实实在在把系统复杂度降下来了。 现在换成 AI 编程。这句「先不用管」没人写进需求。AI 很认真地把边界展开成十几个状态、一堆异常路径和兼容分支。代码提交量上去了，测试单也上去了，所有人就被拖进了循环。 问题不是 AI 不努力，是它不知道人类本来会妥协。 传统手工编程时，我们从来没把所有状态全实现过。真正让东西能交付的，是产品、开发、测试在磨合里一次次把边界裁掉。哪些异常不会发生，哪些兼容可以放弃，哪些测试细节不值得开单。这些大多不在文档里，是组织里的隐性知识。 AI 没有这套隐性知识。没有显式约束时，它倾向于保守展开，所有边界都当有效，所有异常都当要覆盖。结果就是协调状态急剧膨胀，AI 处理不完，人也 review 不过来。 以前复杂度在进代码前就被人类裁掉了。现在复杂度先被展开，再想靠 review 和测试收回来。但人的带宽有限，变更一旦超过某个量级，review 就会从「判断对不对」退化成「看着像不像」。 上周我翻了一个中等需求的提交记录。以前类似需求大概二三十次提交，这次是六百多次。测试刚跑完一轮，第二天又多了八十多个 commit。他追不上，只能用 AI 批量生成用例、批量开单。开发收到一堆细节单，也只能继续用 AI 批量改。 这就陷入了恶性循环。 关键不是「AI 太快」，是加速链里没有中断点。软件工程本来需要一些减速带，需求裁剪、验收标准、测试取舍、发布门禁、人工否决。这些减速带被冲掉后，速度不会自动变成吞吐，反而会变成噪声和返工。 所以方向不是「事后 review 更多」，而是「生成前约束更多」。把不处理场景、可接受异常、兼容范围和人工兜底写清楚，让 AI 能读到、能执行。组织上也得保留人类说「停」的权力。 AI 编程缺的可能不是生成能力，是收敛能力。 没有中断的加速，不是吞吐，是噪声。 【十大券商一周策略】转机将现！中国资产的吸引力正在加强 今夜，集体上涨！霍尔木兹海峡，突传大消息！三艘油轮爆炸起火 九载进博再迭代！金融机构走出展台，嵌入跨境贸易全链条 一场比赛，两种收成：多多农研科技大赛这6年 TikTok Shop独立应用上线东南亚四国；凌川科技完成10亿元B轮融资丨36氪出海要闻回顾 稳市政策组合拳持续加码，A股长期向好逻辑进一步明确 腾讯差点自断一臂 8点1氪：黄仁勋发布全员信承认婚外情；比亚迪高管回应收购玛莎拉蒂传闻；Anthropic估值被砍至1.2万亿至1.3万亿美元