用 AI 写代码最荒谬的现状：模型一秒钟吐出代码，工程师花三个小时替它排错

用 AI 写代码最荒谬的现状：模型一秒钟吐出代码，工程师花三个小时替它排错。

同样用 Claude Code，有人天天在命令行里给模型当全职保姆。 Anthropic 内部却把新工程师的技术上手周期，从三周直接压到了两天。 负责该项目的 Boris Cherny，一个人常年并行跑着五个独立的开发终端。 根据他在内部实测的数据，改变工作流之后，交付质量直接拉开两到三倍的差距。

交付质量差三倍的根源，不在模型的智力，也不在提示词写得有多长。 核心分水岭只有四个字：闭环校验。

绝大多数人使用 AI 编程，本质上都在做开环控制。 你输入一段自然语言需求，模型根据概率生成一段代码。 代码对不对？有没有边界漏洞？能不能跑通？ 全不知道。 你必须肉眼通读代码，复制进编辑器，手动执行编译，发现报错，再把报错信息截图粘回对话框。 在这个链条里，工程师肉身充当了编译报错器和人肉测试机。 只要模型漏掉一个括号或改错一个变量名，人类的注意力就被强行打断一次。 这种人机协作不仅没有解放生产力，反而把人类锁死在了最高频、最琐碎的纠错泥潭里。

Boris 跑通的逻辑刚好反过来。 他从不假设模型能一次写出正确的代码。 他的核心原则是：验证优于提示。 与其花半个小时雕琢一段完美的提示词，不如花三分钟给模型搭一套具备自我证伪能力的验收支架。

这套支架通常由三层闭环构成： 第一层是类型检查与代码规范的静态门禁。 第二层是自动化单元测试与集成测试套件。 第三层是用无头浏览器截取界面渲染图与抓取运行日志。

在这套结构里，模型写完代码的第一件事绝不是交卷。 它必须在本地沙箱中自动触发测试套件，调起浏览器检查页面元素，捕捉控制台的每一条异常。 测试挂了，报错信息不需要人类过目，直接作为反馈输入重新喂给模型。 它自己解析堆栈信息，自己定位源文件，自己修正业务逻辑，然后再次触发测试。 这个过程在沙箱内部高速循环，直到所有断言全部变绿、界面渲染完全符合预期，它才会把最终结果呈现在终端上。

这就是闭环自校验的威力。 它把过去需要反复打断人类的微小排错，全部下放给机器在内部自生自灭。

当排错不再依赖人类实时盯盘，工程吞吐量就迎来了质变。 你不需要坐在屏幕前当监工。 你可以借助 Git Worktree，把同一个代码仓库拆解成五个相互隔离的物理工作区。 终端 A 负责底层数据库迁移与表结构优化。 终端 B 负责重构后端鉴权逻辑。 终端 C 负责编写前端交互组件。 终端 D 负责补齐边缘情况的端到端测试。 终端 E 负责审查全部修改的代码差异。 五个实例在各自的沙箱里独立运转，自己编码、自己运行、自己修错。

Anthropic 能够把三周的入职周期压缩到两天，也是同一个道理。 新员工进入庞大的老代码库，不再需要到处找资深架构师询问历史背景。 模型会自主读取历史提交记录和关联议题，调用预设的本地测试流水线自主验证。 把原本依赖人传人的经验体系，直接沉淀成了可自动化执行的上下文规则。

工程师的专业定位，在这个节点上发生了一次彻底的位移。 低效的开发者还在苦练提示词咒语，试图用玄学语言驯服一个统计模型。 高效的架构师已经坐上了裁判席，专心编写不可妥协的测试用例、静态约束与评测基准。

AI 编程的真正分水岭，从来不由生成速度决定。 它的上限，取决于你在周围搭了多厚的验证支架，以及能不能用一套冰冷的测试链条，逼着模型在失控前自己纠偏到底。