小編精選 - 技術文章翻譯 · 09月10日

我讓 AI 在 30 天內撰寫我 100% 的程式碼。以下是出問題的地方。

不是「AI 協助」。也不是「我改過的 copilot 建議」。我的意思是我訂了一條規則：30 天內，我不手寫應用程式碼。AI 來寫。我的工作是描述、審查，然後批准。

我真的用這種方式上線了一個產品——一個小型 SaaS，包含驗證、Stripe 計費、儀表板，以及公開 API。它能運作，已經在正式環境上線。而在這段過程中，我精準地看見了「AI 現在會寫一切」這個夢想，究竟在哪裡站得住腳，又在哪裡悄悄崩塌。

這不是一篇吹捧文，也不是末日文。這是一份實地報告。

規則

為了讓自己誠實面對這件事：

我不手寫應用程式邏輯。我下提示詞，AI 來寫。
我可以逐行閱讀、拒絕它，然後再要求重寫——但我不能在編輯器裡自己修。
設定、密鑰，以及「去後台按按鈕」這些步驟都由我處理（反正 AI 也做不了）。
如果真的卡住超過一小時，我就記錄成一次「break」，然後自己寫程式碼。

到最後，我一共記錄了 9 次 break。那些 break 才是最有意思的部分。

哪些地方表現得驚人地好

先公平一點，講講 AI 的好話，因為有很多地方真的讓我很意外。

全新專案的骨架幾乎已經解決了。「用 Next.js、Postgres、Drizzle 和驗證建立一個應用程式」——一次就正確完成。專案前 40% 的進度飛快，速度是我過去從沒體驗過的。

樣板碼它幾乎從不出錯。 CRUD API、表單驗證、Zod schema、一個支援排序和分頁的表格元件。這些都是我最討厭寫的東西，而它每次都產出得很完美，完全不用修。

它是超強的橡皮鴨除錯夥伴。「為什麼這個查詢很慢？」它給出的答案比我自己推理還好——它同時找出缺少索引和 N+1 問題。

第一週我真的以為自己會寫出「工程師已經過時」那種文章。然後第二週來了。

哪裡壞掉了——老實說，9 次 break

Break 1–3：它無法把整個系統放進腦中

AI 對當前檔案非常厲害，但對三個資料夾外的那個檔案卻完全看不見。它很開心地又寫了一個 formatCurrency helper，因為它不知道前面已經有一個了。它沒有使用我已經寫好的 middleware，而是直接在程式裡重寫了一次驗證。它還在新模組裡引入了一個細微不同的 User 型別。

這些都不是「bug」——全部都能編譯，全部測試也通過。它們是架構漂移。而架構漂移在某天讓你多花一週之前，是完全看不見的。

AI 優化的是局部。讓整個系統保持一致，仍然是人類的工作。

Break 4–5：它會很有自信地寫出看似合理、其實錯誤的程式

最可怕的失敗不是當機，而是那種看起來對、在正常情況下也跑得動的程式。

它寫的計費 webhook handler，在把 Stripe 事件存進資料庫之前就先回應了確認。測試時完全沒問題。但在正式環境裡，只要資料庫短暫抖一下，就會變成：客戶已付款，卻無法使用，而且也沒有任何紀錄。我會抓到這個問題，只是因為我以前就被這種事傷過。一個初階工程師照著這個 AI 的輸出改，是不可能抓到的。那才是最讓人睡不著的地方。

Break 6：除錯它自己的程式，像是在絕望中無限迴圈

當某個 AI 看不到的問題真的爆掉時，叫它修只會得到「改動」，不是「修正」。它會很有信心地重寫函式，保證 bug 已經消失，然後兩個提示詞後又把同一個問題帶回來。如果我自己不能直接進 debugger、真正理解當下狀態，我們大概會永遠轉下去。這是整個月最大的時間黑洞。

Break 7–8：品味，以及知道何時該說「不要，少一點」

我叫它做一個設定頁面，它給我 14 個使用者根本沒要求的選項。我叫它做錯誤處理，它把所有東西都包進 try/catch，然後把錯誤吃掉。AI 的本能就是加東西。知道該刪什麼、該省什麼——也就是工程裡真正的產品設計部分——它一點都沒有。

Break 9：最後 10% 仍然是 90% 的工作

做到「demo 可用」只花了一週。做到「凌晨 2 點有真實使用者做奇怪操作也能撐住」則花了另外三週。邊界條件、競態條件、空狀態、錯誤狀態、以及「如果他連點兩下會怎樣」的狀態——AI 一概不會處理，除非你知道要問，而知道要問本身就是工作的一部分。

不舒服但真實的總結

30 天後，我真正相信的是這些：

AI 沒有取代我。它取代的是我以前交給初階工程師的工作內容。 骨架、樣板碼、第一版草稿——這些正是初階工程師學習的工作。而真正沒人算進去的問題是：如果 AI 把所有入門工作都做完了，下一個資深工程師要從哪裡來？ 你不可能跳過那 10,000 小時；你只能改變它們被花在哪裡。

每天都最重要的技能，不是寫程式碼，而是：

知道它給我的程式碼哪裡微妙地錯了。
知道什麼該不要做。
把整個系統放在腦中，才能抓到架構漂移。

這些全都是資深工程師的能力。也就是說，AI 沒有抹平階層——它讓階層頂端更有價值，卻把上去的梯子踢掉了。

我實際改了什麼

我沒有停止使用 AI——現在我用它完成 100% 的打字工作，而且以後也會一直用。我只是改了它周圍的防線，而每一條都對應到上面提到的一次 break：

寫程式碼的那個實體，絕對不是審查程式碼的那個實體。讓另一個被提示去反駁這個 diff 的審查者來看，才能抓到作者會直接放行的那種看起來合理、其實錯誤的程式。
沒有一位能看見模型看不到的影響範圍的人，人類就不會按下合併。
「能編譯、測試也通過」只是審查的開始，不是結束——因為模型會寫出符合它自己錯誤心智模型的測試。

那種分工——作者在這裡，懷疑者在那裡，人類握著合併按鈕——就是我能把打字交給機器、卻依然睡得著的全部原因。順帶一提，這也正是我們打造 xenition 的方式：讓代理做事，再讓另一個代理負責拆台，最後由一個人負責決策。把這套流程實際用在一個真實的 30 天建置上，是我唯一信得過的基準。