AI 时代，程序员最需要培养的能力，可能已经不是写代码了，而是审查代码、判断风险，以及对最终交付结果负责。 尤其是现在 Codex、Claude Code … · @UPing123zzz · TwKit

@UPing123zzz

AI 时代，程序员最需要培养的能力，可能已经不是写代码了，而是审查代码、判断风险，以及对最终交付结果负责。 尤其是现在 Codex、Claude Code 这些 AI 编程工具越来越强，很多以前需要几天甚至几周才能开发出来的功能，现在可能几个小时就能跑起来。 但这里面有一个特别容易被忽略的问题：AI 能把代码写出来，不代表它写出来的东西真的能用于生产环境。 我自己平时也经常用 Codex 开发项目，包括 Agent、GEO 系统、自动化工作流，以及一些企业内部工具。 做得越多，越发现一个问题：很多时候，最危险的不是程序直接报错，而是它看起来一切正常。 前端能打开，API 能调用，数据库能读写，整个 Demo 演示得非常流畅。AI 甚至还会告诉你，功能已经全部完成，测试已经通过。 但你仔细想想： 如果同时有 100 个用户请求呢？ 如果第三方 API 突然超时呢？ 如果用户连续点击两次提交按钮呢？ 如果任务执行到一半失败，系统重试的时候会不会重复扣费、重复写入数据？ 如果接口权限控制有问题，普通用户是不是能读取其他客户的数据？ 如果半年之后，你需要修改这套代码，还能不能搞清楚它的逻辑？ 这些东西，很多在 Demo 阶段根本暴露不出来。 但一旦真正交付给客户，可能就是实实在在的事故。 所以我觉得，这条推文里面有一个特别值得学习的思路：不要只让 AI 帮你写代码，更要让 AI 站在一个挑剔的高级工程师视角，专门找自己代码的问题。 每次准备上线之前，让它从安全漏洞、并发性能、异常处理、用户真实操作，以及长期维护成本几个角度重新审查整个系统。 而且不能只是给你一句“代码整体质量良好，建议优化异常处理”。这种废话没有任何价值。 你要让它指出具体文件、具体代码位置、问题触发条件、实际影响、修复方案，以及修复之后应该如何验证。 找不到证据的问题就明确说不确定，而不是为了完成审查任务编造漏洞。 当然，更重要的是，AI 给出的审查结论也不能直接当成事实。真正上线之前，该做的权限测试、并发测试、异常注入、自动化测试和人工复核，一个都不能省。 AI 可以帮你寻找风险，但不能替你承担风险。 我觉得这也是未来程序员能力结构会发生变化的地方。 以前衡量一个程序员，很大程度上看他能不能独立完成某个功能，代码写得怎么样。 但现在当代码生成越来越便宜，真正有价值的能力会逐渐往上移动。 你能不能设计合理的架构？能不能识别 AI 生成代码中的隐患？能不能判断什么时候需要重构，什么时候应该保持简单？能不能在功能、性能、安全和开发成本之间做出取舍？ 尤其是做企业 AI 落地，客户根本不关心你用了多少个 Agent、多少个 Skill，也不关心代码是不是 AI 写的。 他只关心系统能不能稳定运行，出问题之后能不能恢复，数据会不会泄露，业务会不会受到影响。 以前写出一个功能，可能是工作的终点。现在 AI 写出一个功能，反而只是工程工作的起点。 AI 编程让越来越多的人具备了开发软件的能力，这是好事。 但我们也必须意识到：能生成代码的人会越来越多，能真正理解代码、验证代码，并对生产环境负责的人，依然很稀缺。 不要因为 AI 告诉你“任务已完成”，就真的以为项目已经完成了。 能跑起来只是第一步。能稳定运行、经得起真实用户折腾、出了问题还能恢复，才是真正的工程能力。

曝光 263 · 评论 2 · 点赞 2 · 书签 1