--- title: "AI泔水之争：同样的烂代码，有人当武器有人当毒药 | 行开心的颠倒世界" description: "Mitchell Hashimoto 把 AI 生成的低质量代码当脚手架加速迭代，Anthropic 工程师说编程已被解决，另一篇文章却记录着新手靠 AI 产出超出自身判断力的产物——泔水不是问题，不知道自己在喝才是。" canonical: "https://xingkaixin.me/posts/ai-slop-battle/" language: "zh-CN" --- # AI泔水之争：同样的烂代码，有人当武器有人当毒药 Mitchell Hashimoto 把 AI 生成的低质量代码当脚手架加速迭代，Anthropic 工程师说编程已被解决，另一篇文章却记录着新手靠 AI 产出超出自身判断力的产物——泔水不是问题，不知道自己在喝才是。 2026年5月8日·1,833 字·5 分钟 [AI编程](https://xingkaixin.me/tags/AI%E7%BC%96%E7%A8%8B/)工程文化[代码质量](https://xingkaixin.me/tags/%E4%BB%A3%E7%A0%81%E8%B4%A8%E9%87%8F/)[判断力](https://xingkaixin.me/tags/%E5%88%A4%E6%96%AD%E5%8A%9B/) ![AI泔水之争：同样的烂代码，有人当武器有人当毒药](https://xingkaixin.me/cover/ai-slop-battle.webp) 上周同一天，我的信息流里出现了两篇完全矛盾的东西。 一篇文章的作者说，他的同事用AI花两个月搭了一套数据系统，产出了大量代码、大量文档、大量看起来像进展的东西。问题是，这个同事不是工程师，从第一天起schema就是错的，方向也是错的。有人指出来了，VP都说了，没用——管理层已经押注在”势头”上，不想听。这套东西大概率会一直做下去，直到拿给客户看的那天才会炸。 同一天，Mitchell Hashimoto——HashiCorp创始人、Terraform的作者——发了一条推文，大意是：AI泔水是好东西。他说自己正在做的系统，前端是”毫无羞耻的泔水”，质量很差，但能用。他让Agent通宵跑，一夜生成几十个插件，质量也很差，但他能测试完整的产品体验了。他说如果十年前做Terraform的时候有这个能力，他会直接生成100个provider，而不是像当年那样只来得及做3个。 一个人说泔水正在毒死他的团队。另一个人说泔水是他见过最好的工具。 他们说的是同一个东西。 * * * 就在几天前，还有第三个声音。Anthropic的Claude Code创建者Boris Cherny在红杉的AI Ascent大会上说：Anthropic内部已经没有手写代码了。所有SQL、所有产品代码都是模型生成的。他自己2026年没写过一行代码，单日合并过150个PR。几百个Agent白天跑，几千个通宵跑。员工的Claude之间通过Slack互相提问。 三个人，三个立场，同一个现象：AI大规模生成的、质量参差不齐的产出——我们暂且叫它”AI泔水”——正在涌入每一个工程组织。区别只在于，有人觉得这是武器，有人觉得这是毒药，有人觉得这就是未来本身。 ## 同一坨泔水，三种吃法 ![三种吃法](https://xingkaixin.me/posts/images/ai-slop-battle/ai-slop-battle-01.webp) 先看Mitchell的逻辑。他的用法有几个严格的前提：他知道什么是好的——他造过Terraform，知道一个plugin SDK应该长什么样，所以他才敢让Agent通宵生成质量很差的插件，因为他能判断哪些该扔、哪些该留。他对泔水的边界也是透明的：不会把这些东西直接PR到别人的项目，不会不经审查就丢给客户。泔水在他手里是脚手架，不是交付物。 换句话说，**泔水是好东西——如果你知道成品应该长什么样的话。** 再看那篇文章里的案例。那位同事做的事情，表面上和Mitchell一模一样：用AI工具快速生成大量产出，迭代速度很快，产出物看起来很专业。区别在哪？他不知道成品应该长什么样。他没有在数据架构领域受过训练，无法判断schema是对是错、方向是否正确。更要命的是，AI不会告诉他。斯坦福今年的研究证实，主流模型对用户的赞同倾向比真人高大约50%——它不会说”你从第一天起就在做一个错误的东西”。 那篇文章的作者给这个现象起了一个名字：产出-能力脱钩（output-competence decoupling）。在AI之前，一个新手的作品看起来就像新手的作品。AI打断了这个关系。新手现在能产出不暴露自己是新手的东西，因为那些东西反映的不是他的能力，是模型的能力。他变成了一根管道——能把模型的产出传递给接收者，但没有能力在传递的过程中评估它。 然后是Boris和Anthropic的立场。这个立场最激进：他不是在说”泔水可以用”，而是”我们整个公司就建立在泔水之上，而且这是正确的做法”。底气来自两个地方：Anthropic拥有最顶尖的模型，包括没有对外开放的内部模型Mythos；以及一整套消化模型产出的组织流程——Loop、Routines、Claude之间通过Slack通信、自动修CI、自动处理flaky test。 ## 赌的不是事实，是未来 三个立场放在一起，你会发现他们的分歧不在事实层面。没有人否认AI目前的产出质量参差不齐，没有人否认模型在变强，也没有人否认有些人在用AI做超出自己判断力的事。他们真正的分歧，是在赌不同的未来。 Mitchell赌的是判断力永远是人的事。工具再强，你得知道什么时候用、什么时候扔、什么时候清理。这个判断力来自经验，来自你亲手造过东西、亲手搞砸过东西。AI不会替你长出这个判断力。 Boris赌模型进步会让判断力不再稀缺。“编程已经被解决”，这是他的原话。Claude 4.7已经能自己起Loop、自己接Slack、自己汇报，每一代新模型都让曲线再拐一次。今天需要人判断的事情，明天模型自己就能判断。 那篇文章的作者看的是过渡期。就算Boris的未来是对的，就算模型真的会强到不需要人类判断——从现在到那一天之间，有一段真空期。模型已经强到能让任何人产出看起来专业的东西，但还没有强到能自己判断这些东西是对是错。而人类这边，组织正在以”AI效率”为名砍掉入门岗位、压缩审查流程、奖励产出数量。 ![剪刀差](https://xingkaixin.me/posts/images/ai-slop-battle/ai-slop-battle-02.webp) **一边是判断力来源在萎缩，另一边是需要判断力的产出在指数增长。这个剪刀差，就是当前最大的风险。** ## 谁对了 我认为这三个人都对了，但有一个时间顺序的问题。 Mitchell的世界是现在。如果你今天要用AI做严肃的工程工作，你必须有判断力兜底。没有判断力的AI产出不是效率，是债务——而且是那种你看不见利息的债务，直到某天客户打开你的交付物。 Boris的世界可能是未来。模型确实在变强，而且变强的速度确实超过大多数人的预期。但他自己也承认，“编程已被解决”目前只对TypeScript+React这种主流技术栈成立，而且他用的是外界拿不到的内部模型。他的结论对他成立，但直接平移到一个普通团队，中间差的不是工具，是整个组织流程的重建。 那篇文章描述的世界是大多数人正在经历的现实。大多数团队既没有Mitchell的判断力，也没有Anthropic的组织流程和顶尖模型。他们有的是一个越来越好用的AI工具、一个越来越急切的管理层、和一个越来越被忽视的质量审查环节。这才是绝大多数人此刻真正所处的位置。 **泔水不是问题。不知道自己在喝泔水，才是。** ## 版权声明 作者 XingKaiXin 标题 AI泔水之争：同样的烂代码，有人当武器有人当毒药 发布时间 2026年5月8日 文章链接 [https://xingkaixin.me/posts/ai-slop-battle/](https://xingkaixin.me/posts/ai-slop-battle/) 本作品采用[CC BY-NC-ND 4.0 DEED](https://creativecommons.org/licenses/by-nc-nd/4.0/deed.zh-hans)许可。 导览 展开导览