有没有这种感觉：自从用上AI写代码，产出好像变多了，掌控感却变少了——以前写完一段，心里大概有数哪里会出问题；现在AI一口气吐几百行，你盯着屏幕，甚至不知道该从哪读起。
这不是错觉，是有实测数据的。
感觉快了，实际慢了
METR找过一批经验丰富的开源开发者，让他们用AI工具做真实开发任务，然后掐表。结果：用了AI，平均反而慢了19%；更扎心的是，动手前这批人预测AI能让自己快24%，做完后仍然觉得快了20%。（这个实验测的是2025年初的工具，现在的模型未必这么拉胯，但"感觉"和"掐表"的错位，一直存在。）知乎
觉得快了20%，实际慢了19%。错位从哪来？
因为"产出代码"和"交付软件"是两件事。AI把写代码的成本压到接近零，但review、验证、维护、担责，一样没少。以前写代码的速度天然限流了review的量，一天写两百行，最多审两百行；现在生成端不限流了，积压的账单一次性涌过来。DX对四百多家公司的工程遥测显示，AI带来的PR吞吐量提升中位数只有7.7%，单个PR的中位规模从44行涨到72行；Faros的数据更直接——review耗时涨了将近200%。知乎
整条链路上最慢的环节已经换人：AI编程的瓶颈，从写代码搬到了审代码。这个判断出自Sourcegraph工程总监Andrew Norrish在AI Engineer大会的演讲，演讲标题更直接——《AI Writes Code Faster Than Your Team Can Review It》。他还提醒，未经评审的AI代码正在推高事故，SRE和平台团队最先吃紧。知乎哔哩哔哩
更麻烦的是：审代码的能力，也在被AI掏空
如果只是review变多，加加班也扛了。问题是，AI还在悄悄动"会review"这个能力本身。
Anthropic今年初做过一个随机对照实验：52名工程师学一个陌生的Python库，一组随时可用AI，一组全程手写。结果AI组完成任务略快（快得不显著），但事后测验，AI组平均得分50%，手写组67%。其中调试题差距最大——也就是说，越依赖AI的人，越难看出代码哪里错了。知乎
翻译到工作场景：review量暴涨，review能力却在下降，瓶颈自己变粗了。
但实验里有一群人没翻车——那些让AI生成代码的同时持续追问、要求解释、关键部分自己写的人，知识留住了大半。同样是用AI，“让它讲"和"让它写”，留下的东西完全不同。知乎
几条能直接抄的做法
最近B站流传一个讲Anthropic工程师使用习惯的视频，抛开其中没法核实的数字，几个方法相当落地。直接抄：哔哩哔哩
审意图，不逐行读。先看这次改动想干什么、有没有碰不该碰的地方，细枝末节交给自动化审查工具；
养一份"no list"。AI每做一件你不想要的事，就往配置文件里加一条规则，越用越懂你；
没证据不算做完。把"做完"的标准写清楚，自动检查不通过，就不许它交差；
一个AI一条车道。每个会话只管一个分支、一件事，别把所有任务塞进一个窗口里炒。
对个人来说，还有一条马上能做的：下次AI写完代码，别急着合并，先让它把思路讲一遍。多花几分钟，留下的是你自己的东西。
最后
这轮变化的本质一句话能说完：代码变便宜了，但review、信任和责任没变便宜。AI消掉的是"写"的摩擦，剩下的是"判断好坏"的门槛——而这个门槛，现在归你了。
