同一个 Cursor、同一句"帮我写个小工具"，有人一下午做出能上线的东西，有人折腾两小时，得到一坨"能跑但不敢用"的代码，然后再花两小时改。
你以为差的是工具不够好、模型不够强、订阅档位不够高？
这几天知乎上一线开发者吵翻了，结论却出奇一致：AI 编程真正拉开人与人差距的，从来不是"会不会用 AI"，而是两件 AI 替代不了、还越来越值钱的事——把需求说清楚，和判断代码对不对。知乎知乎
写代码，正在飞速贬值
程序员鱼皮说，他现在 99%~100% 的代码都交给 AI 写，连陪了自己 9 年的 IDEA 都卸载了。但他补了句大实话：“我每天的工作一点没少——描述需求、审查代码、验收结果，一样都跑不掉，消失的只是手敲语法这一步。”
连 AI 自己干大活，也离不开人定的规矩。鱼皮提到 Anthropic 一个实验：让十几个 Claude 并行、从零写一个 C 编译器，最后交出的是 10 万行 Rust 源码。它们能协作，靠的正是一份"大家都能读、能改、能对比合并"的代码，外加一套测试。知乎
逻辑就很清楚了：当"把代码写出来"几乎免费，稀缺的就变成了"定义什么是对的"和"验收做没做对"。
第一种能力：把模糊需求，翻译成 AI 能执行的定义
kimmking 一针见血："AI 不会追问你没说的部分。“你说"下单要支持部分退款”，它能写出八种实现，差别全在幂等、并发、对账这些它压根不会主动问你的地方。知乎
六维空间举了个更接地气的例子：同一句"帮我写个爬虫"，有人会讲清楚——抓哪个站、要列表页还是详情页、需要哪几个字段、分页怎么处理、失败重试几次；有人就甩这一句话。结果后者收到一个"能跑但没法用"的东西，再花两小时返工。他的原话是："这不是 AI 的问题，是描述的问题。“这也是为什么当下 GitHub 上最火的几套 AI 编程"技能包"思路高度一致：Matt Pocock 那套主打"动手前先对齐”，靠追问和一份共享词汇表逼出零偏差的需求；另一套干脆把"定义→规划→部署"整个流程铺开。工具在帮你把"说清楚"流程化，但前提是你得知道要说清什么。知乎哔哩哔哩
一句话：别一上来就催 AI 写代码，先花两分钟把边界、字段、异常情况、以及"哪些不许碰"讲明白。
第二种能力：判断 AI 写的东西，到底对不对
六维空间说得更狠："没有验证能力的人，产出的是『看起来能跑』；有验证能力的人，产出的是『能交付』。“他逼着自己"每次让 AI 改代码就补一个测试”，返工率直接降了一半。知乎
kimmking 也提醒，review 能力正在成为新瓶颈——“会读代码、能闻出味道，比会写代码更稀缺了。”
为什么这么要命？在一个百万人围观的知乎问题下，键盘拿铁讲透了：AI 埋的坑是架构级的——模块边界混乱、重复造轮子、隐式依赖全局状态、错误处理被悄悄吞掉。埋雷时"测试全绿、页面正常"，等它炸，往往已经污染整条业务链路。屎山的堆积速度，从"一年一座"变成"三个月一座"。知乎
他的解法值得抄：“让 AI 写，但不能让 AI 决定怎么写。”
把 AI 代码当"实习生代码"管，评审的不是"测试绿不绿"，而是"有没有违背既有架构约束"；
提 AI 代码的人，必须能讲清"它为什么这么写、动了哪些文件、碰没碰不该碰的边界"，讲不清就不许合并；
给 AI 画好边界：把代码规范、现成工具类清单、"不许碰"的红线喂给它。
鱼皮还给了个极端例子：现在顶级模型已经能不调用编译器、直接吐出一个能跑的 exe。但他的灵魂拷问是——“源代码没有，都是手搓的机器码，反正能跑”，这活儿你敢验收吗？验收的前提，永远是代码还在、能读、能 diff、能回滚。知乎
别再焦虑"离开 AI 就不会写了"
这个问题问错了方向。你真正要练的，不是手敲语法，而是"把问题定义清楚"和"判断结果对不对"——AI 越强，这两件事越值钱。
用 kimmking 的话说：AI 把"实现"的成本压到极低，于是"定义正确"和"承担责任"变成了主要成本。“人的作用不是变小了，是变清楚了。”知乎
落到手上就两句话：让 AI 动手前，多花两分钟把需求和边界说清；它交付后，别看到"能跑"就合并——补个测试、过一遍 diff、确认你能讲清它到底改了什么。
工具人人都买得起，把话说清、把活验收，才是你真正的护城河。
