一位开发者高强度使用AI编程工具两个月，实现了几乎零代码构建复杂量化系统。然而，这场效率革命的背后，却是因技术加速演进而产生的深层焦虑。这不仅是一次工具使用的分享，更是对未来工作形态与个体生存路径的严肃思考。
智能速览
通过AI编程，可实现零代码构建包含实盘与可视化的复杂量化系统。
驾驭AI的关键在于保持对项目核心部分的掌控感与深入理解。
将与人协作的工作流复刻到与AI的交互中，效果远超直接指令。
AI模型能力在73天内实现巨大飞跃，修复了棘手的程序bug。
技术加速引发了对未来5年工作形态与社会分配机制的普遍焦虑。
精华内容
当编程几乎完全交由AI，我们该如何自处？这场与硅基伙伴的协作实验，不仅带来了效率革命，更引发了关于个体价值与未来图景的深刻思考。
掌控项目核心
在实践构建一个包含实盘、回测及可视化的量化系统时，虽然代码几乎全部由AI生成，但作者发现必须对系统的核心部分——即交易策略——保持绝对的熟悉和掌控。如果对整体项目失去细节感知，很容易在AI遇到问题时陷入“无能狂怒”，发出“赶紧给我弄好”、“你行不行”这类无效指令，这不仅无法解决问题，反而会浪费时间，因为模型会因指令混乱而做出错误的修改。
复制人类工作流
与AI协作的最佳方式，是像对待一位人类伙伴。与其在AI犯错时直接指责，不如复制一套成熟的人类工作流程。在每次交互中，都要求AI先撰写文档，详细说明实现思路，然后由人来审阅。确认无误后，再让AI开始实施。如果出现问题，则明确指出问题所在，让其修正并撰写修复报告。这种将AI视为数字员工的协作模式，能显著提升任务的成功率和可控性。
持久化上下文
AI记忆短暂是其一大短板，而让AI撰写文档恰好解决了这个问题。文档的生成，本质上是对知识和上下文的持久化。在开始新任务前，可以先用指令让AI阅读并理解之前的相关代码或文档，总结其实现细节和目标。完成这一“温故知新”的步骤后，AI便拥有了充足的背景信息，再执行具体指令时，准确性和效率会大幅提升。
加速带来的焦虑
焦虑的直接诱因是技术进步的恐怖速度。作者在使用Opus 4.5模型时耗费多日未能修复一个复杂bug，但升级到仅隔73天发布的Opus 4.6后，模型一次性就成功解决了。这种73天内的巨大能力飞跃，让人真切感受到了技术进步的斜率。可以预见，未来5年，所有在电脑前的工作都将受到AI的猛烈冲击，强大的个体将在AI赋能下获得千百倍的效率提升，而现有的社会分配机制将面临前所未有的挑战。面对如此模糊又充满颠覆性的未来，迷茫与焦虑油然而生。
AI编程已从概念变为现实，它既是放大个体能力的杠杆，也可能加剧社会结构性的不公。面对这股不可逆转的浪潮，个体应如何重新定位自己的价值，又该如何抓住机遇而非在变革中被淘汰，这是每个身处其中的从业者都需严肃思考的时代命题。
