谷歌工程師花2小時審AI代碼后，把團隊規則撕了重寫

2024年，GitHub Copilot用戶突破1500萬，AI生成代碼占比在某些團隊沖到40%。但一個反常識的數據正在Hacker News上瘋傳：用上AI工具后，部分開發者的代碼審查時間暴漲300%。

不是寫得更少，是審得更累。

從打字機到審稿機

「我根本不寫代碼了，整天都在審AI生成的代碼。」這條抱怨在開發者社區反復出現。一位谷歌工程師描述自己的典型一天：早上打開PR列表，發現200行新增代碼來自Claude；逐行檢查邊界條件、測試覆蓋率、隱含的副作用；下午三點終于點下approve，卻發現自己對這套系統的理解比上周更模糊了。

AI沒有消滅工作量，只是把它從「寫」轉移到了「審」。

審代碼比寫代碼痛苦得多。你自己寫的函數，腦子里有完整的上下文——為什么用這個數據結構，哪個 corner case 還沒處理，心里門兒清。但面對AI生成的代碼，你是一張白紙。必須逐字逐句地讀，假設每一行都可能埋雷。一位Netflix工程師算過賬：審查AI生成的200行代碼，平均耗時45分鐘；同樣復雜度的功能，手寫只需要30分鐘。

更隱蔽的傷害是決策疲勞。當你一天要批十幾份AI產出，大腦會進入一種「機械性通過」模式。明知道某處設計有點別扭，但注釋寫得很完整、測試也跑了，就懶得深究。這種妥協累積起來，技術債務的增長曲線比傳統開發陡峭得多。

多智能體協作：新瓶裝舊酒

Hacker News上另一個熱門趨勢是「多智能體工作流」——讓多個AI agent并行處理不同任務，一個寫前端、一個搭API、一個跑測試。理論上效率翻倍，實際產出被開發者稱為「AI意大利面條代碼」（AI Spaghetti）。

這個名字很精準。傳統遺留代碼至少承載著人類意圖：某個奇怪的變量名背后，可能是三年前某個凌晨的緊急hotfix。但AI生成的混亂沒有故事，只有統計概率的堆砌。一位Stripe工程師吐槽：「調試AI代碼就像解夢，你猜不透它為什么這么寫，只能全盤重寫。」

企業層面的激勵機制在放大這個問題。管理層愛看的指標是「代碼提交量」「功能交付速度」，AI在這兩項上表現完美。團隊感覺「更快了」，直到三個月后重構成本爆炸。微軟2024年內部研究顯示，高度依賴AI生成的模塊，六個月后的bug密度是手寫代碼的2.3倍。

「無聊技術」的回歸

最有意思的現象發生在工具選型層面。Hacker News上一條高贊評論：「2026年了，直接用Postgres吧。」這不是懷舊，是風險計算后的理性撤退。

當AI讓系統復雜度指數級上升時，可預測性成了稀缺資源。Postgres、簡單架構、少 moving parts——這些「無聊」選擇在AI時代反而獲得溢價。一位YC孵化的初創公司CTO解釋：「我們現在選型先看文檔厚度，超過500頁的直接pass。AI能幫你寫代碼，但幫你理解復雜系統？想多了。」

頂尖工程師正在形成新的工作節律。觀察了十幾位技術負責人的實踐后，一個四步模式逐漸清晰：用AI做探索性原型、人類做架構決策、AI實現小粒度功能、人類最終代碼 ownership。他們不外包思考，只外包打字。

關鍵認知在第三步的粒度控制。一位前Uber工程師定下鐵律：單次AI生成不超過50行。超過這個閾值，審查成本曲線陡然上升。另一位Figma工程師的篩選器更直接：如果AI生成的代碼無法在2分鐘內講清楚原理，直接拒掉重寫。

兩個群體的分叉

AI不會消滅開發者，但正在分裂這個群體。

一類人把AI當打字員，追求產出速度，審查時疲于奔命。另一類人把AI當草稿紙，保持對系統的完整理解，決策權牢牢握在手里。兩者的職業軌跡已經開始分化：2024年Stack Overflow薪資調查顯示，「代碼審查質量」被雇主列為高優先級技能的崗位，薪資溢價達到34%。

生產事故的分布也在印證這個判斷。Cloudflare 2024年事故復盤報告指出，當年最嚴重的7起P0級故障中，4起根源是「未經充分審查的AI生成配置」。這些錯誤本身并不新鮮——權限邊界模糊、環境變量硬編碼、競態條件——但AI讓它們以十倍速被復制到代碼庫各處。

那位谷歌工程師最終修改了團隊規則：任何AI生成代碼必須通過「電梯測試」——作者能在2分鐘內向任意同事解釋清楚原理，否則禁止合并。規則生效后的第一個月，他們的AI代碼占比從35%降到12%，但代碼審查通過率從67%升到94%。

如果你現在打開自己的代碼庫，能立刻說出上周AI生成的模塊中，哪一個的設計決策最脆弱嗎？