知乎上有个问题——"为什么刚开始觉得AI编程很厉害，用久了就不行了？"浏览量冲到100万+。有个回答写得很朴素：让AI写个验证demo，1小时搞定，本地能跑通；放进现有系统、开发、上线，现在一个月了。落差是真的。但滑坡的不是模型，是你的用法还停在demo期。知乎
Demo代码自带三个理想化假设：输入总是合法的、网络总是可靠的、用户行为是可预测的。冀博10月那篇讲"AI编码代理工程化分水岭"的文章说得很直白：边界条件、错误处理、日志、向后兼容，这类看不见的工程细节占生产代码量的70%以上。AI在教科书环境里学会了写正确的算法，没学过怎么应对真实世界的混乱——所以demo里完美运行，一上生产就漏洞百出。知乎知乎
第二刀跟规模有关。有条评论很扎心：项目几百行时它全看得见，几万行以后它只看得到你喂给它的那几个文件，上下文一断就开始瞎改。蜜月期和项目大小成反比。你的项目一大，“天才实习生"就露馅成了"百度工程师”。知乎
第三刀最隐蔽：集成成本。评论区"我是李工啊"总结了自己的打法——先把接口约定和验收条件写成可以跑的测试，再让agent去实现，做完一个就合回主干，别让多个分支同时漂移。AI把写代码变便宜了，但回归、返工和验收全落回人身上。谁不服，谁让AI一口气干完整功能，谁基本都要返工。
出路其实这一年已经收敛了，名字就叫Loop Engineering（循环工程）：2026年6月，工程师Addy Osmani撰文正式给出定义——把"亲自提示agent的人"替换成"一个由你设计、替你提示agent的系统"。它的雏形只有三行Bash：每轮起一个全新的AI、灌同一份规格、干完一件事提交退出，下一轮接着干。但"一直跑"不等于"往前走"，真正的工程在三个部件里：把目标变成可观察的信号（不是"提高代码质量"，而是"这个测试文件全绿"）；设退出条件（否则就是围着过期令牌无限重试的死循环）；把生成者和评价者分开——这套思路，Anthropic早在2024年底就写进了官方工程指南。知乎
所以"AI编程越用越不行"其实是件好事：它说明你的项目是真的，问题是真问题。AI编程的上半场拼谁提示词写得好，下半场拼谁能把循环搭起来。模型还会继续变强，而站在验收线上的，永远是工程。
