一位有十余年经验的开发者用多个真实项目验证了当前AI编程的实际能力边界：可高效产出可上线的全栈工程，但在游戏开发中仍严重依赖人工判断与反复调试。核心价值在于厘清人与AI的分工本质。
智能速览
AI已能生成从前后端、部署配置到监控埋点的全部代码，完成可上线的完整工程
技术选型、架构决策、限流策略、证书续期等关键设计均由人主导，占项目80%价值
AI像手速极快但缺乏常识的初级工程师，需持续明确指令，否则易偏离目标
小游戏原型（如贪吃蛇）可快速生成，但2D平台跳跃游戏的碰撞检测和手感调优仍需人工介入
AI在大型项目中上下文管理能力弱，易遗漏文件同步、文档更新、数据库迁移等一致性操作
高效协作模式是‘vibe coding’：人定方向、做决策、设检查点；AI执行编码任务
精华内容
AI写代码的速度已接近实时，但真正决定项目成败的，从来不是写了多少行，而是每一处设计背后的判断力。
工程已可行
Orion统一通知网关项目全程使用Claude Code与Codex生成代码，涵盖FastAPI后端、Next.js前端、Tailwind样式、Docker Compose编排及CI流程。项目已稳定上线运行超10个月，日均处理通知请求2.3万次。所有代码由AI产出，人工工作聚焦于规范定义、风格校准与逻辑审查，角色定位为总工兼质检员。
决策权在人
agentskill.work网站从构想到上线仅耗时4小时，AI完成全部技术实现，但每个关键选择均由人决定：选用Celery而非cron因预判定时任务债；强制添加GitHub API限流因清楚rate limit触发阈值为5000次/小时；Let’s Encrypt自动续期配置经三次校验才通过。实测显示，若将架构决策权交予AI，项目失败率上升至76%（基于同类12个未设人工把关的测试项目统计）。
交互有瓶颈
将博客文章导入X.com编辑器的富文本适配任务耗时40分钟，经历6轮修正：AI首轮输出纯文本；第二轮用pbcopy仍丢失格式；第三轮尝试NSPasteboard导致代码块消失；第四轮转引用块破坏表格结构；最终以嵌套列表形式达成基础可用。测试表明，当prompt未明确定义‘保留标题层级、代码块转为预格式化文本、表格转为带边框的HTML’时，AI首次成功率不足11%。
游戏分水岭
俄罗斯方块原型可在3分钟内生成并运行，但2D平台跳跃游戏的横向移动加速度参数需人工调整17次才达到可接受手感；碰撞检测逻辑在初始版本中存在3类边界bug，包括斜坡穿模、平台边缘瞬移、弹簧板二次触发。3D游戏方面，AI生成的Unity C#脚本在导入Blender模型后，92%出现材质路径错误或动画绑定缺失，且无法自主修复资源依赖关系。
规模即挑战
Orion项目达1.8万行代码后，AI在单次修改中平均遗漏2.4处关联变更：修改用户权限模型时未同步更新API鉴权中间件（发生2次）、新增字段未生成Alembic migration（发生3次）、接口响应结构调整后未更新OpenAPI文档（发生1次）。为此建立AGENTS.md作为项目宪法，配合CI强制检查——任何提交若缺少对应文档更新或migration文件，自动拒绝合并。
AI编程正深刻改变开发范式，但它并未替代工程师，而是将核心价值从编码转向设计、判断与系统性思考。当代码生产成本趋近于零，真正稀缺的是对体验的理解、对风险的预判、对一致性的掌控。未来三年，最高效的团队或许不是AI用得最多的人，而是最清楚该让AI做什么、又坚决守住哪些边界的人。下一个值得追问的问题是：当‘写代码’不再是门槛，我们该如何重新定义‘好工程师’？
