反AI专家用AI写代码：3周项目7天完工，她却更焦虑了

一个靠阻止AI部署吃饭的人，偷偷用AI完成了自己的核心项目。完成速度是预期的3倍，但她写下的第一句话是："我恨它。"

这不是爽文，是一个安全研究员的自白书。

Taggart Institute创始人Kelly Shortridge在博客开篇就给自己判了刑：「如果你现在想骂我怪物或伪君子，我理解。」她的日常身份是AI安全专家——专门测试AI应用、阻止危险功能上线、对不可控的AI方案说「不」。这份工作要求她必须深度使用这些工具，而她内心希望它们「从未存在」。

矛盾的是，她刚刚用生成式编程（Generative Coding，即AI辅助代码生成）完成了机构迁移中最棘手的模块：课程结业证书系统。

为什么不用现成的？

Shortridge的机构正在从Teachable和Discord迁移到Discourse。后者是论坛软件，灵活但原生不支持证书功能。Teachable的证书生成器确实好用，但年费高昂、AI功能越塞越多，还存在一个她暂时不能公开的漏洞。

她需要的是一个开源方案：公开可验证、防篡改、能对接LinkedIn分享——毕竟「LinkedIn用户永远热衷于宣布自己的成就」。找了一圈，没有现成工具完全符合需求。

自己写？她已经被迁移工作淹没，时间预算约3周。

最终她用AI辅助编程，7天交付。但她描述这个过程时用的词是「hated it」（恨它），重复了两次。

AI编程的「认知税」

Shortridge详细拆解了使用体验。AI确实能快速生成代码框架，但代价是她必须保持高度警觉，像审问嫌疑人一样审查每一行输出。这种「人机协作」没有减轻认知负担，反而叠加了一层：既要理解业务逻辑，又要识别AI的幻觉（Hallucination，即生成看似合理但实际错误的内容）。

她发现一个危险模式：AI倾向于给出「看起来能跑」的代码，但隐藏边界条件漏洞。比如证书验证的加密逻辑，AI生成的初版在特定时区下会失效——这种bug不会立即暴露，但会在某个凌晨让学员的证书链接变成404。

「我必须比独自编程时更懂代码，才能安全地使用AI。」她在文中写道。这和她预期的「AI降低门槛」完全相反。

更隐蔽的伤害是技能退化焦虑。Shortridge观察到，连续使用AI编程一周后，她发现自己手写基础函数的速度变慢了。「就像长期用导航的人，突然要看纸质地图会发慌。」她担心这种依赖会侵蚀核心能力——而她的职业恰恰需要深度技术判断力。

安全专家的囚徒困境

Shortridge的处境是个极端案例：她的收入来自阻止AI滥用，她的工作又强制她成为AI工具的专家。她在文中承认这种张力可能没有正确答案。

但她提出了一个被行业回避的问题：当AI安全研究者被迫成为重度用户，谁来研究「不使用AI」的可行性？

她的证书项目最终开源了（GitHub仓库：taggart-institute/certificates）。代码注释里留着她和AI的「对话痕迹」——某些函数上方写着「AI建议，已验证」或「AI生成，重写三次」。这成了某种元文档：记录人类在效率与自主之间的妥协。

Shortridge在结尾没有给出结论。她只陈述了一个事实：项目上线后，第一位学员在LinkedIn分享了证书，配图是Discourse生成的验证二维码。那条动态获得了47个赞，比她机构过去任何一条内容都高。

「我们在地狱里，不如试着互相拉一把。」她引用了自己早前的比喻，然后补充：「但地狱的电梯现在由AI控制，而我还在找楼梯。」

如果你是她，会选择7天交付但「恨它」，还是坚持3周手写但睡得安稳？