AI编程：爽感背后的成本与隐忧

一、AI编程的双面体验：从工具革命到成本陷阱

• 我最近在技术圈里观察到一种有趣的分化现象。一面是铺天盖地的AI编程“爽文”，讲述如何用几句话生成完整系统；另一面则是技术群里越来越多的成本抱怨。我自己也用AI做了不少工具，虽然开发能力本身很弱，但借助AI还能用不同的开发语言完成各种工作。这种体验确实很爽——一用AI一时爽，一直AI一直爽，甚至有点上瘾。
• 但这种爽感背后隐藏着一个容易被忽略的事实：AI编程正在重塑开发者的工作模式，而不仅仅是工具层面的升级。当开发者从代码编写者转变为AI提示工程师、代码审查者和架构设计师时，整个软件开发的生态链都在发生结构性的变化。
• 成本问题尤为突出。前年开始我就用过一些免费的AI工具，豆包、千问、元宝、智谱、星火这些，生成的代码复制进去也不是不能用。但现在看高手们都是付费型选手，有个朋友说他一个月将近1万，我说你又不报销，他说他上班不是为了钱。这种属于特例，但确实反映了AI编程的真实成本。更值得思考的是，当AI编程成本成为开发者的固定支出时，这个成本最终会由谁来承担？是开发者自掏腰包，还是企业纳入研发成本？

二、替代与进化：初中级开发的转型之路

• 目前看来，AI替代的工种之一就是初中级编程。但“替代”这个词可能过于简单了。更准确地说，是“进化”或“重塑”。就像当年纺织机替代手工纺织，不是简单地让人失业，而是改变了整个行业的运作方式和工作要求。
• 今天群里有老师说，如果把月薪全部用来给AI充值，那我岂不是白上班了。这个观点引人深思。表面上看，似乎开发者被自己的工具“反噬”了，但换个角度思考，如果一个开发者能够利用AI将生产力提升数倍，那么为工具付费难道不是一种投资吗？问题在于，如何衡量这种投资的回报率？
• 初中级开发者面临的真正挑战，不是被AI完全取代，而是需要重新定位自己的价值。单纯的代码编写能力正在贬值，而需求分析、系统设计、AI提示工程、代码质量把控等能力的重要性则在上升。这种转变对教育体系、职业培训和人才评价标准都提出了新的要求。

三、一人公司的幻想：业务人员直接编程的三大陷阱

• 但问题来了：谁来做系统呢？可能有人会说，业务人员就可以对着AI发送指令，就可以做出来。这个想法听起来很美好，但实际情况要复杂得多。
• 陷阱一：成本转移的幻象
• 表面上看，还是要花钱，只是原来发命令的是开发者，现在是业务方。但这里存在一个严重的误判：业务人员使用AI编程的成本可能远高于专业开发者。因为专业开发者懂得如何用最有效的提示词、最合理的架构设计来最小化token消耗，而业务人员很可能会通过不断试错产生大量不必要的成本。更关键的是，当错误发生时，业务人员往往无法识别和修正，需要重新请开发者介入，形成双重成本。
• 陷阱二：需求表述的“罗生门效应”
• 业务方是否能比开发人员说得清楚需求？这个问题困扰软件行业几十年了。我接触过各行各业的业务人员，能清晰、完整、无歧义地表达需求的，确实少之又少。
• 举个实际例子：业务人员说“我要实时的物流信息”。这听起来很简单，但实际上隐藏着至少五个需要明确的问题：

实时性标准：5秒内还是一分钟内？

覆盖范围：全链路跟踪还是关键节点？

数据粒度：订单级别还是包裹级别？

异常处理：延迟、丢失等情况的处理逻辑

性能要求：并发量、响应时间、数据准确性

• 缺乏技术背景的业务人员往往无法预见到这些细节，而AI只会“忠实”地按照模糊的指令生成代码，结果就是产生看似能用、实则充满隐患的系统。
• 我曾遇到一个业务人员，他自己写的SQL要查询A表和B表中不一样的数据，他就写了select * from A,B where A.id!=B.id。在AI编程下，他也会这样描述需求。A表不到20万，B表也差不多这个数量级，上面的SQL就是400亿的笛卡尔积。这种查询不仅效率极低，还可能直接拖垮数据库。这就是典型的技术思维缺失导致的灾难。
• 陷阱三：责任体系的崩塌危机
• 做过系统稳定性的朋友都知道，变更尤其是需求变更会带来极大的风险。不靠谱的人提出的不靠谱需求，加上AI不加甄别地实现，简直就是灾难的配方。
• 更棘手的是责任归属问题。很多时候是不靠谱的人提出的不靠谱的需求。然后出事的时候，各行各业这么多年我就没见过一个业务人员站出来说，这是我提的需求的问题。从来都是说，我要的这个需求，怎么实现我不管。你怎么这样实现？
• 我要是老板，我是不敢让业务人员直接去AI编程的。一次数据错误或系统崩溃的损失，可能远超节省的开发成本。这不是技术问题，而是风险管理问题。

四、行业的未来：协作而非替代

• 凡事大家都说XXX不是银弹。AI编程也不是。但它确实改变了游戏规则，迫使整个行业重新思考价值分配和协作模式。
• 我认为未来更可能出现的不是“开发者被AI替代”，而是形成“业务人员-AI-开发者”的三方协作模式：
• 业务人员负责提供业务洞察、定义业务目标
• AI负责快速原型、基础代码生成、模式识别
• 开发者负责系统设计、质量把控、性能调优、复杂逻辑实现
• 在这种模式下，AI不是取代任何人，而是成为连接业务和技术的桥梁，让各方专注于自己最擅长的部分。

五、给从业者的建议

• 对于开发者而言，应对AI时代的策略应该是“扬长补短”：
• 扬长：强化系统设计、架构规划、性能优化、安全防护等AI难以替代的能力（AI在安全和质量上实在不太行）
• 补短：学习如何与AI协作，掌握提示工程、AI代码审查、AI辅助调试等新技能

最后

• AI编程确实带来了前所未有的便利，也带来了新的挑战和思考。成本、需求表述、系统稳定性等问题依然存在，但更重要的是，我们需要重新思考技术在业务中的定位和价值。在实践中探索，在探索中优化，最终找到最适合自己、最适合业务的AI应用之道。