Cursor用戶暴增300%后，一個扎心真相：我們不是在寫代碼

2024年AI編程工具的安裝量漲了300%，但開發者的工作滿意度卻跌到了五年最低。這不是悖論，是 workflow（工作流）崩了的前兆。

有人在 Hacker News 上吐槽："我現在根本不怎么寫代碼了，整天就是審 AI 生成的代碼。"

不是工作量變少，是工作內容變質了。

更諷刺的是，這種變質被包裝成了"效率革命"。

第一周爽，第二周懵，第三周崩潰

作者第一次用 AI 編程工具時，一周交付的代碼量超過往常一個月。"感覺像作弊"，他寫道。

但 bug 不在乎代碼是誰寫的。

AI 沒有消滅工作量，只是把工作形態從"寫"變成了"審"。而審代碼比寫代碼痛苦得多——你得逐行檢查一個不知疲倦、從不疲倦、也從不負責的"同事"的產物。

很快，你成了瓶頸。

一個反直覺的現象正在發生：AI 工具讓個人產出飆升，卻讓團隊整體變慢。因為每個人都得停下來，給機器擦屁股。

"AI 爛代碼"正在量產

Hacker News 上有個新詞在流傳：AI Slop（AI 垃圾代碼）——比祖傳代碼（legacy code）更可怕的東西。

祖傳代碼至少帶著人的意圖。你知道那個凌晨三點提交 commit 的工程師在想什么，哪怕他想錯了。

AI 寫的代碼像" deadline 前的中級開發者"——能跑，但決策質量存疑。現在把產量放大 10 倍，你得到的不是更好的軟件，是技術債務的復利增長。

企業愛這個。他們的 KPI 是代碼行數，AI 能瞬間交付。團隊感覺更快了，實際上在慢性窒息。

有個細節很說明問題：現在最火的不是更強的 AI 模型，而是管理多個 AI agent（智能體）并行工作的工具。

我們發明了機器來幫我們寫代碼，現在需要另一套機器來管理這些機器。

真正值錢的人，都在做"無聊"的事

作者觀察到的頂尖工程師，沒一個搞"全 AI 自動駕駛"。他們的 workflow 出奇地樸素：

1. AI 做探索——快速試想法

2. 人做決策——判斷什么值得做

3. AI 做小塊實現——函數級別，別超過 50 行

4. 人做最終 ownership（代碼歸屬）——能解釋每一行為什么存在

核心原則：不外包思考，只外包打字。

知道什么不該生成，比知道什么該生成更重要。"給我建個 REST API"——這種 prompt（提示詞）注定災難。拆解需求、定義邊界、預判故障模式，這些仍是人的工作，而且越來越值錢。

另一個 Hacker News 熱帖："2026 年了，直接用 Postgres（PostgreSQL，一種數據庫）吧。"

這不是懷舊。當其他一切都變得更復雜時，無聊、可預測的工具反而成了稀缺品。Postgres、簡單架構、少動點腦筋——這種"技術保守主義"正在回潮。

一條新軍規：2 分鐘說不清，就不發版

作者的轉折點很具體：花了 2 小時審一段不是自己寫的代碼，對應一個自己沒完全理解的功能，運行在一個部分由 AI 生成的系統里。

"這不是工程，這是考古。"

于是他定了一條規則：如果 2 分鐘解釋不清楚，就不發版。沒有理論，純實踐。

配套操作手冊也很樸素：

- 單次生成不超過 50 行代碼

- 用之前先問：我能向同事解釋這段代碼嗎？

- 解釋模糊？重寫 prompt，拆成更小任務

- "建完整 auth（認證）系統" → 不行；"生成 JWT 驗證函數" → 可以

- 如果審代碼時間 > 寫代碼時間，workflow 已經崩了

最后一條尤其扎心：AI 讓創造變便宜了，所以你必須讓刪除變容易。

技術債以前是人腦算力有限導致的，現在可以機器量產。

分化的開始

作者的最后判斷：AI 不會取代開發者，但會把他們分成兩類。

一類人審代碼、堆功能、追指標——成為AI 的質檢員。

另一類人定規則、拆問題、保 ownership——成為系統的架構師。

只有一類人的薪資曲線會往上走。

一個數據點：現在最嚴重的生產事故，根源往往是"某人沒理解就合并了代碼"。想象這種錯誤被 AI 批量制造的場景。

所以那個 Hacker News 帖子的真正價值，可能不在于它說了什么，而在于它出現在哪里——不是某個 AI 產品經理的博客，是開發者自己聚集的論壇。

當工具的使用者開始集體反思工具的用法，改變通常就不遠了。

你現在的工作流里，審代碼和寫代碼的時間比例是多少？如果前者已經超過后者，你是選擇繼續擦屁股，還是準備重寫規則？