最近这段时间，写代码的圈子里一直在吵同一件事：AI编程到底是真的让你快了，还是只是让你"觉得"快了。吵得最凶的几条帖子，播放量动辄几十万、上百万，里面既有用了三四年AI的老程序员，也有刚学Python三个月的新手。吵到最后，大家发现谁也说服不了谁——因为两边说的根本不是同一个东西。
如果你也在用Cursor、Claude Code这类工具写Python，或者正打算重度投入，这篇值得看完。因为有一个不太舒服但很关键的实验，把这场争论的底给揭了。
一个反常识的实验：用最熟的仓库，反而慢了19%
去年，一家叫METR的AI评估机构做了一个随机对照实验。他们找了16名经验丰富的开源开发者，让他们在自己长期维护、非常熟悉的成熟代码仓库上，做246个真实任务。任务随机分配：一半允许用当时的AI编程工具（Cursor Pro加Claude系列模型），一半禁用。METR
结果很扎心：允许用AI的那一组，平均反而慢了大约19%。
但更魔幻的是认知那一层。这些开发者在做实验之前，普遍预期AI能帮自己快24%；做完之后，他们仍然觉得AI帮自己提速了大约20%。也就是说，身体诚实地慢了19%，脑子却坚定地认为快了20%。感觉和现实，差出了快40个百分点。METR
这个实验最近在中文社区又被反复翻出来讨论，有人一句话总结了问题所在：AI把"写代码"的成本降到了接近零，却没碰"懂代码"的成本一下。知乎
为什么"写得快"不等于"干得快"
要理解这个落差，得先看清一件事：写代码从来不是开发里最耗时的那一步。真正吃时间的，是想清楚需求、看懂已有代码、验证结果对不对、以及出了问题往回改。
AI恰好只加速了最不值钱的那一步。
有个刚用AI辅助学Python三个月的网友讲了个特别典型的例子。他让AI帮忙写一道课后题，代码很快生成，注释也全，跑起来终端也不报错，他一度以为没问题。结果反复对照题目才发现，AI少写了一个形参和对应的实参——这种情况程序能正常跑，不会报错，但答案就是不对。从那以后，他每次拿到AI的代码，都得花好长时间逐行核对。知乎
还有一个更坑的。他在做一个pygame小游戏，照着书写完，画面上就是不出"飞船"。他去问AI，AI让他核对代码、检查图片格式、检查路径、还怀疑是Python版本问题，折腾一大圈全都不对。最后他自己想到会不会是操作系统差异——果然是，Windows默认的显示缩放把画面裁掉了，改两行代码就解决。知乎
这两个例子的共同点是：AI生成得飞快，但"判断它对不对"和"定位真正的问题"，一步都没省，反而因为你多了一坨要核对的代码，变得更累。这就是慢19%的来源——不是AI写慢了，是你花在验收和返工上的时间，把生成的速度全吃回去了。
社区里有个高赞回答把这个悖论说得很形象：抛不开、回不去、不够好、凑合过。每一件具体的小事，AI确实是以10倍甚至20倍的速度在完成，但整体交付就是没快。知乎
先别急着否定：AI在这些场景是真的快
这里必须把话说全，不然就变成另一种带节奏。METR那个实验有个关键前提：它测的是资深开发者，在自己最熟悉、最成熟的仓库上做改动。这恰恰是AI最不擅长的场景——因为你对代码太熟了，脑子里早有现成方案，AI生成的东西你反而要花力气去读、去核对、去纠偏。
换个场景，结论就反过来了。
同样的讨论里，很多人指出：去碰一个完全陌生的框架、写一堆重复的模板代码、或者从零起一个小工具，AI大概率是真的快，而且快得明显。还有人在复述这个实验时提到一个细节——即便测出来平均变慢，实验结束后仍有约七成参与者继续用AI，因为AI省的不只是时间，还有心力、重复劳动和来回切换上下文的消耗。arXiv
所以更准确的说法不是"AI没用"，而是：AI的快慢，极度挑场景。它是把力气花错了地方的加速器——在你本来就不熟、不想干、干起来机械的部分，它帮你大忙；在你最需要专注、最依赖判断的核心部分，它可能帮倒忙。
不同段位，该怎么用才真快
想明白这一点，"该不该重度用AI"就不再是一个笼统的问题，而是看你处在哪一段。
如果你还是Python初学者：别把AI当答案生成器，把它当陪练和调试助手。上面那个学三个月的网友最大的教训就是——如果你还看不懂AI写的代码，它越快你越危险，因为它会用一堆看起来合理的代码，把你的错误判断包装得严严实实。这个阶段，把省下的时间拿去练"看懂"，比多生成几个程序值钱得多。
如果你已经能独立写业务脚本、日常拿Python处理数据和自动化：AI生成初稿、自己把关验收，是比较划算的用法。把AI省下来的时间，花在动手前把需求想清楚上——很多返工，根源不在AI写得差，而在一开始你没把要什么说明白，AI只能照着模糊的意图猜。
如果你是资深开发者、维护着复杂的老项目：警惕在自己最熟的代码上重度依赖AI。让它干杂活——写模板、做迁移、搭测试脚手架、啃陌生库的示例——这些它又快又稳；但核心设计和关键判断，留在自己手里。古法编程那帮人说的一句话其实很对：AI帮你编程的前提，是你自己也能编出来，而且还得能看懂。知乎
最后给你一个能落地的自我衡量办法：别再凭感觉判断AI让你快了多少。挑一个你真实要做的任务，估一下不用AI大概要多久，做完再用AI的对比一下，尤其记一笔"验收和返工"到底花了多长时间。做上三五次，你对"AI在我的场景里到底是加速还是拖累"，就会有数得多——这比刷十条争论帖都有用。
写在最后
这波争论还会持续很久，工具也会一直变——就在这两天，OpenAI还宣布要终止给Cursor供应模型，理由是它被马斯克旗下公司收购后触发了控制权条款。36氪连工具的模型说断都可能断，把效率和判断力押在某一个工具上，本来就不太稳。
但有一样东西不会随工具波动而贬值：你看懂代码、判断对错、把需求想清楚的能力。AI越强，这个能力反而越值钱。
效率幻觉不可怕，可怕的是把幻觉当成了真实的生产力。下次AI又秒出一大段Python的时候，不妨先问自己一句：这坨代码，我真的能看懂、能验收吗？
