过去两年，一个明显变化是代码的生产速度越来越快。

GitHub 的 Octoverse 2025 提到，开发者在一年中推送了接近十亿次代码变更；Stack Overflow 2025 调查则呈现了另一面：AI 工具使用继续普及，但开发者对其准确性的信任并没有同步增长。速度和信任之间，出现了一条值得注意的缝隙。

这和我的使用感受很接近。AI 可以很快补齐 CRUD、生成测试框架、解释陌生代码，甚至跨文件完成一轮修改。但“生成出来”只降低了表达成本，没有自动降低决策成本。

代码变便宜以后，下面这些东西反而更贵了。

1. 问题定义

错误的问题可以得到一份非常完整的错误实现。需求边界、失败条件、数据归属和真实目标，仍然需要人说清楚。

2. 验证

产出越快，审查越容易成为瓶颈。能运行不代表语义正确，测试通过也不代表覆盖了真实环境。验证能力决定了我们敢把多少速度变成生产力。

3. 品味

AI 可以给出十种写法，却不会天然知道哪一种与当前仓库、团队能力和未来方向最协调。选择比生成更稀缺。

4. 责任

线上故障不会向模型追责。最终仍然要有人理解改动、接受风险，并在失败时知道从哪里开始处理。

所以我不太认同“以后不需要深入学习技术”。更准确的说法可能是：语法记忆的重要性下降了，但系统理解、判断和验证被放大了。

AI 让实现方案变得充足，也让未经选择的方案大量涌入。未来优秀工程师的价值，未必体现在写下最多代码，而在于知道什么不该写、什么必须验证，以及什么问题值得解决。

参考：