从"写代码"到"审代码"：AI 时代，开发者的能力迁移

从”写代码”到”审代码”：AI 时代，开发者的能力迁移

我从 2025 年 7 月在 Claude Code 里用上 Kimi K2，那时候就意识到一件事：Coding Agent 带来的变化，不是把”写代码”提速，而是把”开发者职责”改写了。

后来我持续换模型，2025 年 10 月开始重度用 Codex，很快它就成了我的主力。工具换来换去，我的结论一直没变：要想让 AI 把事干稳，得先把事想清楚。 任务怎么切、接口长什么样、失败怎么兜底，你自己想不清，AI 的输出就会飘，结果很不可控。

前几天我让 Codex 写一个数据同步模块，它很快吐了大概 200 行。我扫一眼感觉”差不多能用”，但真到落地，还是花了将近 40 分钟去推边界、改逻辑，最后修掉三处错误、补了两个异常处理，还删掉一段多余转换。

这个切片把上面的判断钉得更死：AI 两分钟能生成 200 行，但真正决定结果的是你前面的规划和后面的把关。

以前我写 200 行代码，可能要两三个小时，精力主要在「写」：查文档、调接口、理逻辑。现在反过来了，AI 生成，我来判断。

以前像盖房子，先打地基再一层层往上；现在像捏橡皮泥，先捏个大概形状，再慢慢修整。开发者的角色，更像从「作者」变成「编辑」。

“写”的能力在贬值

纯”写”的能力正在快速贬值。

想想以前学编程的时候，背 API、记语法、熟悉标准库，这些是核心竞争力。你比别人多记住一个 itertools.chain，就比别人少绕三圈弯路。

但现在呢？AI 可以秒出任何语法、任何 API 调用。CRUD 接口、配置文件、测试用例、Dockerfile——这些”知道怎么写”的事，AI 比人更快、更标准、更不容易出错。

写代码当然还重要，只是「会写」越来越像门槛：能做到不算长板，做不到才麻烦。

“审”到底在审什么

「写」弱下去之后，往上长的不止是「读 diff 的速度」。说实话，我并不会把 AI 的每一行产出都当人肉 linter 过一遍：量太大、太快，逐行细读要把人掏空。更现实的做法是，用 lint、单元测试、e2e 把大量低级错误和回归问题挡在外面；人把精力放在架构取舍、意图对不对齐、哪里该补用例、哪里值得打开文件仔细看。

架构这块，AI 能给你三个「都能用」的方案，选哪个却是你的事：偏快上线还是给以后留余地？这要靠系统思维、对业务走向的判断，以及在烂选项里做取舍。上下文和目标在你手里，AI 替不了这一下。

有经验的人常会「觉得不对劲」却说不出为什么，这是长期积累下来的代码嗅觉。它现在更像一张地图：告诉你哪段值得精读，哪段可以交给流水线。AI 的东西往往表面都对：语法、格式、命名挑不出毛病，逻辑却可能藏在深处。

AI 写主路径相对顺手，边界却常被漏掉：空值、并发、异常恢复这些「不太会发生」的场景，它容易省掉。很多「审」最后会落成多一条测试、多一个断言，而不是多盯两百行 diff。

把模糊需求拆成 AI 能执行的指令，这件事对输出质量影响很大。你既懂业务又懂实现，需求翻译做得越具体，结果越接近你要的——也和前面说的「先想清楚」是同一件事的两面。

新旧能力的对比

把新旧能力放在一起看，会更清楚这种迁移的方向：

能力	过去	现在
语法熟练度	核心竞争力	基础门槛
架构设计	重要	更重要
代码审查	重要	核心能力
质量闸门	人肉 CR 为主	lint / 测试 / e2e 扛大头，人盯关键与意图
需求拆解	重要	最重要的能力之一
调试能力	核心竞争力	方式变了：从读自己的代码到读 AI 的代码

注意最后一条。调试能力并没有贬值，但方式变了。以前调试是读自己三周前写的代码，猜当时在想什么；现在调试是读 AI 三秒钟前写的代码，猜它”以为”你在想什么。测试红了的时候，你一样得读懂是哪里偏了。

累在哪里变了

以前写代码，虽然慢，但心里有数——每一行都是自己想过的，哪里可能有问题自己清楚。现在跟 AI 协作，累点往往不在「憋不出代码」，而在「怎么在产出爆炸的前提下，还把关做严实」：流水线搭不好，要么漏问题，要么全靠人肉补，两种都吃不消。

更麻烦的是，审别人的代码天然比写自己的代码更难。 你不知道 AI 为什么这样写，不知道它忽略了什么，不知道它在哪个环节「理解错了」你的意图。所以我会尽量先把约束写清楚、用自动化把底线兜住，再在少数高风险的地方多花眼睛。

AI 的代码还有个特点：格式整齐、命名规范、逻辑「看起来」通顺，容易让人放松警惕。精读那一次同步模块，就是因为光靠扫一眼不够。日常里我更多是靠测试和 lint 先挡一层，精读留给值得开刃的地方。

这不意味着初级开发者没价值

说到这里，可能会让一些初级开发者感到焦虑：那我是不是没用了？

恰恰相反。初级开发者的核心价值变了，但并没有消失。以前的价值是”能写出能跑的代码”，现在的价值是”能快速理解 AI 输出、看得懂失败信息、并提出正确的问题”。

学习编程的路径也在变。以前是先背语法、再做项目、再理解底层原理。现在的路径更像是：先学会和 AI 协作，在实践中逐步建立底层理解，然后再用底层理解去指导和验证 AI 的输出。

但有一点没变：你不理解的东西，你判断不了。

如果你完全不懂 HTTP 协议，就判断不了 AI 写的网络请求代码对不对。如果你完全不懂数据库索引原理，就判断不了 AI 给的查询方案优不优。测试挂了，你总得知道是在挂什么。AI 可以帮你”写”，但「审」和「把关」最后还是建立在你的理解之上。

与其焦虑 AI 会不会取代你，不如把力气花在判断力和工程习惯上——下面这段就是我自己的对照。

两分钟和四十分钟

AI 用两分钟生成了 200 行代码，我用 40 分钟审完并修正。整体效率确实比以前从零写高多了，但我的角色已经彻底变了——从一个”写手”变成了一个「定规矩、盯结果、在关键处下刀」的人。

开发者的价值不在于敲了多少行代码，而在于做出了多少正确的判断。

最后留一个思考：你最近一次发现问题，是测试或 lint 先叫起来的，还是自己读代码读出来的？