--- title: "最好的 AI 使用者，是最不需要 AI 的人 | 行开心的颠倒世界" description: "同一个工具，资深工程师产出又快又稳，新人代码里却埋着三个月后才炸的坑。AI 是放大器，放大你已有的判断力——用 AI 提速的同时，在它帮不了你的地方花笨功夫。" canonical: "https://xingkaixin.me/posts/best-ai-users-need-it-least/" language: "zh-CN" --- # 最好的 AI 使用者，是最不需要 AI 的人 同一个工具，资深工程师产出又快又稳，新人代码里却埋着三个月后才炸的坑。AI 是放大器，放大你已有的判断力——用 AI 提速的同时，在它帮不了你的地方花笨功夫。 2026年4月17日·1,654 字·5 分钟 [AI编程](https://xingkaixin.me/tags/AI%E7%BC%96%E7%A8%8B/)[工程师成长](https://xingkaixin.me/tags/%E5%B7%A5%E7%A8%8B%E5%B8%88%E6%88%90%E9%95%BF/)[判断力](https://xingkaixin.me/tags/%E5%88%A4%E6%96%AD%E5%8A%9B/)[学习](https://xingkaixin.me/tags/%E5%AD%A6%E4%B9%A0/) ![最好的 AI 使用者，是最不需要 AI 的人](https://xingkaixin.me/cover/best-ai-users-need-it-least.webp) 前阵子在一个技术群里，有人抛了个问题：你们用 Codex 一天能写多少行代码？ 回复挺有意思。几个资深工程师报了一万到两万——他们用 AI 做大规模重构，一次性改几十个文件。几个入行一两年的也不低，五千到八千，但跟着补了一句：改了好几轮，废了不少。 我起初也以为是 prompt 的差距。直到我分别看了两拨人提交的代码，才发现根本不是那回事。 资深的那些人，一万行代码里，大部分是一次生成、扫一遍 diff、直接合并。他们给 AI 的指令很精确——该支持哪些认证方式、token 过期返回什么状态码、跟现有的用户模型怎么对接——这些约束写在 prompt 里，AI 照着做，出来的东西基本能用。 新手那五千行，有一大半是”生成、跑不通、删掉、重新描述、再生成”的循环。最后代码确实能跑了，但他自己说不清楚为什么能跑。 同一个工具，质量差十倍。 * * * ## 你得先知道答案长什么样 让 AI 写一个认证中间件，资深工程师会告诉它：JWT 和 session 都要支持，刷新逻辑放中间件别放路由层，用户模型复用现有的那套。这些约束没有一条来自什么 prompt 工程手册，全是他在认证这件事上踩过的坑。他知道不说这些，AI 一定会自作主张。 新手呢？他的 prompt 可能就是”帮我写个认证中间件”。AI 给了一版——能跑，JWT，没考虑刷新，用户模型自己造了一套。新手看了觉得挺好，因为他不知道还应该考虑什么。 **你得先知道答案大概长什么样，才能判断 AI 给的对不对。** 你对一个领域越熟，给 AI 的指令就越准，审查输出的时候就越快。你越不熟，AI 给你什么你就收什么，连问题出在哪都看不出来。 用 AI 用得最好的那些人，恰恰是把 AI 拿走也能干活的人。AI 对他们来说是加速器，不是拐杖。 ![你得先知道答案长什么样](https://xingkaixin.me/posts/images/best-ai-users-need-it-least/best-ai-users-need-it-least-01.webp) ## 放大器没有方向感 之前带过一个实习生，脑子活，AI 用得比我还溜。一下午就用 Codex 搭了个文件上传服务，功能齐全，测试全绿。 上线当天出了两个问题。大文件没做分片，超过 100MB 内存直接溢出。文件存储路径写死了绝对路径，换台机器就全找不着了。 这两个问题 AI 不会主动替你想到。分片和路径这些事 AI 都能处理——但它不知道你不知道。 AI 是个放大器，但放大器本身没有方向感。你给它一组好的约束，它帮你省掉八成重复劳动，输出质量很稳。你给它一个模糊的描述，它也会自信地给你一份看起来完整的代码——跑得通，测试过，结构清楚——但里面埋了多少你不知道的假设，你根本看不出来。 我后来跟那个实习生说了一句：AI 把你的生产速度拉到了资深工程师的水平，但判断速度还是你自己的。出活快了，把关的能力没跟着长。 ![放大器没有方向感](https://xingkaixin.me/posts/images/best-ai-users-need-it-least/best-ai-users-need-it-least-02.webp) ## 差距在拉大，旧路在变窄 AI 没有拉齐水平，它在放大差距。 同样的工具，资深的人产出又快又稳，新人的代码里却埋着三个月后才炸的坑。差距不在工具，在工具背后那层判断。 但这还不是最麻烦的。 以前你可以花两三年时间慢慢写、慢慢踩坑，在”实现”的过程中自然而然地长出判断力。编码是手段，判断力是副产品。现在 AI 把实现层接走了一大半，你不会再有那么多”纯写代码”的机会来积累经验了。旧路线被堵死了一半，新路线又不会自动生成。 ## 攒判断力没有捷径，但有方法 写到这里如果你是刚入行的，可能觉得挺丧的。底子薄就用不好 AI，用不好就更难攒底子，死循环了？ 没到那个程度。但你得想清楚一件事：你用 AI 的方式决定了你是在攒能力还是在消耗机会。 如果你每次都是甩一句话给 AI，拿到代码就跑，跑不通就把报错贴回去——这个循环你重复一千次，也只是在练”怎么跟 AI 交互”，没在练”怎么理解问题”。 前阵子一个朋友接到需求，要做推荐系统。他第一反应是让 AI 写代码，AI 给了个看起来很完整的方案——协同过滤、冷启动处理、离线计算管道都有。但他花了一个下午跟产品经理聊，发现真正的痛点不是”推荐什么”，而是”没有数据”——系统刚上线，用户行为日志都没打通，协同过滤根本跑不起来。最后方案变成了最简单的规则排序加上埋点采集，两个月后再上模型。 这个判断——先解决数据还是先做算法——AI 做不出来，因为它不知道系统现状。但它恰恰决定了整个项目的走向。 我建议试一件事：AI 给你方案之前，先花五分钟自己想一版。不用完整，不用正确，哪怕只是在纸上写三行”我觉得应该这么做”。有了这个东西，你再看 AI 的输出就不一样了。哪里跟你想的一样，哪里不一样，不一样的地方谁更合理——这个比较的过程才是你真正在学东西的时刻。 另一个习惯：AI 给完方案之后，逼自己问一个”为什么”。不是为了得到正确答案，是为了训练自己开始关心设计取舍。 ![攒判断力没有捷径，但有方法](https://xingkaixin.me/posts/images/best-ai-users-need-it-least/best-ai-users-need-it-least-03.webp) **AI 放大你已经有的东西，但不替你补缺的。** 所以策略很简单：用 AI 提速的同时，在它帮不了你的地方花笨功夫。领域知识、系统思维、拆解问题的能力——这些东西攒起来慢，但一旦你有了，AI 会让它们值更多的钱。 *下次再有人问”你用 AI 一天能写多少行”，不妨反问一句：没有 AI，我能写出这段代码的哪些部分？* ## 版权声明 作者 XingKaiXin 标题 最好的 AI 使用者，是最不需要 AI 的人 发布时间 2026年4月17日 文章链接 [https://xingkaixin.me/posts/best-ai-users-need-it-least/](https://xingkaixin.me/posts/best-ai-users-need-it-least/) 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