AI 时代的研发暗面：为什么资深技术人不仅没解放，反而更累了？

导语

过去一年多，技术圈充斥着一种狂热的叙事：“AI 正在消灭低级代码，一个人加一个模型就能顶一个团队。” 很多初级开发者和跨行者用 Cursor 跑通了一个 CRUD 项目后，都在高呼技术乌托邦的到来。

但在狂欢的背面，一线资深研发、架构师们却陷入了难以名状的疲惫。近日，Linear CEO Karri Saarinen 的一番言论在海外技术圈引发了极大的共鸣，揭开了一个所有人都在回避的真相：在 AI 面前，外行体验的是魔法，内行体验的却是无休止的“擦屁股”。

1. 虚假的产能爆发与真实的“专家悖论”

如果你仔细观察现在的研发团队，会发现一个奇特的现象：代码行数的产出量翻倍了，但线上 Review 的时间、排查诡异 Bug 的时间也跟着翻倍了。

这背后就是所谓的“专家悖论”：

当你对一个技术栈一知半解时，AI 生成的几百行代码对你来说就是神迹。它变量命名规范、注释齐全、甚至还顺手帮你写了几个测试用例。你点击运行，页面跑通了，你觉得 AI 万岁。

但当你是一个深谙底层原理的老手时，痛苦就开始了。AI 就像一个极其高产、打字飞快，但毫无工程直觉和敬畏之心的实习生。当你扫视它生成的代码时，满眼都是漏洞：这里没有考虑极端并发、那里的连接池没有正确释放、缓存穿透的兜底逻辑是错的。

你为了修正这些“看起来很美，一上线就炸”的代码，花的心智负担，甚至远超你自己从头写一遍。

2. 为什么 AI 搞不定真实的业务上下文？

Karri Saarinen 提到一个核心观点：设计的难点从来不是生成“形式”，而是理解“上下文（Context）”。 这句话放在软件工程领域，简直是真理。

在常规的表单增删改查场景中，AI 确实是降维打击。但在涉及高复杂度、严苛性能要求的场景中，AI 的智商就会断崖式下跌。

试想一下，当你需要优化一条极低延迟的 WebSocket 架构、处理底层网络路由，或是面对高频数据流需要做严格的流隔离（Stream Isolation）和复杂的竞态条件处理时，AI 能直接丢给你一份完美代码吗？

绝不可能。AI 无法感知你系统里积累了三年的技术债，无法预判微秒级网络抖动下的数据回滚，更不懂不同业务线之间那些相互冲突的隐性需求。它能极快地生成代码片段（Output），但它根本不懂系统工程（Engineering）。

3. 技术人的价值转移：从“会做”到“知道什么叫好”

当 AI 把“敲击键盘写出常规代码”的门槛拉到地板价之后，整个技术行业的技能定价逻辑就彻底变了。

以前，资深程序员的价值一部分体现在“手熟”，你能比别人更快地写出 Bug 更少的代码。但现在，这个能力被大模型迅速贬值。真正值钱的能力，正在以一种肉眼可见的速度向以下几个维度转移：

• 架构的嗅觉与判断力：AI 会写代码，但决定这段代码该不该写、放在哪个微服务里、未来三个月能不能扛住十倍流量，需要你的判断力。
• 约束与引导能力（Steer & Constrain）：如何写出精准的 Prompt 只是表象，内核是你必须能在脑海中清晰地构建出系统的边界，知道如何去约束大模型的行为，防止它“胡说八道”。
• 深度的 Code Review 能力：这也是现在老手们最累的地方。以前是自己写代码，现在变成了天天给 AI 审查逻辑盲点。一眼看出代码在真实高并发场景下的破绽，成了核心护城河。

4. 结语：别在低维赛道里和机器内卷

AI 并没有失效，它只是把技术人从“打字员”的角色中逼了出来，强迫我们成为“决策者”和“架构师”。

在这个时代，“一人公司”或“人人都是开发者”的故事还会继续流传，但那只属于 V1.0 版本的原型玩具。当产品需要走向深水区，需要面对真实世界的复杂与混沌时，起决定性作用的，永远是那些不仅知道怎么写，更“知道什么叫好”的技术老兵。

与其抱怨用 AI 越来越累，不如接受这种角色的转变。毕竟，当“会写”不再稀缺时，“懂行”才是你最坚实的壁垒。