AI 生产力差距：为何高级工程师难提速？
The AI Productivity Gap
AI 确实提升了工程团队的效率，但生产级功能的开发速度并未如预期般飞跃。资深工程师大量时间用于理解需求、设计架构和沟通协作，而 AI 目前主要加速的是编码环节。数据显示，AI 让初级工程师效率提升约 25%，而资深工程师仅提升 15%。讽刺的是，许多领导者误以为 AI 能替代初级工程师，实则初级人员从中获益更多。真正的瓶颈不在于写代码的速度，而在于系统思维、需求拆解和团队协作等 AI 尚难替代的核心能力。
成为一名优秀的程序员只是门槛，而 AI 目前还无法替代那些真正决定工作价值的核心技能。
HN 评论区
109- matthorse
写代码只是软件工程师日常工作中很小的一部分。文章中的表格很好地反映了这一点。
AI 确实能压缩单个工程师的实现时间，但架构决策、设计评审、集成、测试、部署和生产验证等环节，本质上仍然是串行活动。如果代码生成速度提升了 5 倍，而这些瓶颈没有改善，你实际上只是增加了团队的工作队列，而非提升了吞吐量。
以目前的能力来看，模型仍然需要不断的照看和纠偏。缺乏引导能力的工程师，最终可能会给团队其他人制造更多麻烦。AI 让代码生成的速度快到你可能来不及理解，而这笔代价将由同事在代码审查、调试和维护中承担，他们对该工程师能力的信心也可能因此受到影响。
对单个工程师看似是生产力的提升，对整个团队而言却可能变成生产力的损失。
- PostOnce
在这个虚构的例子中，AI 之前和之后的代码审查时间都是 0.75 小时，我觉得这不太可信。
即使代码量相同，AI 生成的代码可信度更低*，需要更多的关注……但我们知道代码量不会相同，只会更多。这意味着审查时间会变长，或者如果不花这些额外时间，就会带来意想不到的后果。
*指的是没有人眼仔细审视过，指出“这说不通”、“这是在作弊”或“这不符合需求”，这些问题如果不在代码审查中（甚至可能永远）被发现，就根本抓不住。
- moezd
我在自己的工作中注意到，以前花在写代码上的时间，现在大部分变成了等待。我有三个智能体（agents）在并行处理三个不同的功能，我会和它们来回互动，纠正错误、指引方向等等，但结果是我发现自己面对着三个忙碌的智能体，自己却无事可做，只能盯着屏幕看它们写代码。我的精力预算有限，同时运行超过三个我就没法兼顾了，所以我最后只能刷 HN……
- laszlojamf
如何淘汰每一位高技能但未服药的神经多样性开发者（可能是像 Xe Iaso 或 Soatok 这样的人）：
> 雇佣一个代码写得好，但无法进行系统推理、没有耐心与他人共同攻克难题、也无法将模糊的需求拆解为具体行动项的人。
为什么不直接雇佣这些优秀的开发者，利用他们带来的高超技术技能，并为他们配备能把握全局的架构师或产品经理呢？我这样想是不是疯了？
- orwin
我建议根据经验水平采用略有不同的工作流程。
初学者应遵循文章中描述的做法：让 LLM 提出代码，然后手动输入。这迫使你审视每一步，质疑不熟悉的决策，并建立更牢固的代码库心智模型。
已经理解底层概念的经验丰富的开发者，在从头编写代码时可能会发现自动补全更实用。它能保持对结构、注释和编码风格的控制，同时防止像 Opus 或 Fable 5（这两个模型都特别喜欢在你的代码库中添加大量注释）这样的工具生成臃肿的代码、过多的注释或与现有代码库不匹配的模式。