GPT 5.5写代码太快了，我反而更慌了

写了4个接口

这两天我又试了一下 GPT 5.5。不是为了测评，也不是为了追热点，就是正常干活的时候，用 Codex 顺手把模型切到了 5.5。结果有点出乎意料。

我原本只是想让它帮我处理几个接口，心里想的是，能省一点时间就省一点时间，不能省也无所谓，反正最后还是要我自己改。但最后它直接帮我完成了 4 个接口，而且速度明显比之前快了很多。不是那种心理上的快，而是你能明显感觉到，它理解需求、生成代码、补充细节的速度，都比之前顺了。

以前用 AI 写代码，最烦的是中间那种拉扯感。你说一句，它理解半天。你补一句，它又跑偏一点。你再纠正，它又重写一堆没必要的东西。最后看起来是 AI 在帮你，实际上是你在哄它写代码。

但这次不太一样。我把大概需求说完，它基本能顺着我的思路往下走。接口怎么写，参数怎么接，返回结构怎么处理，异常情况怎么补，它都能给到一个看起来挺完整的结果。更关键的是，准确率还保持住了。到目前为止，我用下来还没有发现它真正写错的地方。

有几次结果和我想的不一样，但后面我一看，其实不是它的问题，是我自己没说清楚。比如我脑子里默认了某个字段含义，默认了某个业务流程，默认了某个接口返回格式。但这些东西，我根本没告诉它。它当然只能按照我写出来的内容去理解。

这就很尴尬。以前我们总说 AI 不行，AI 不懂业务，AI 写出来不能用。但现在有时候问题变成了，不是 AI 不懂，是你自己也没把需求说清楚。这点挺刺人的。因为很多程序员平时跟人沟通需求时，也是这样。产品说不清楚，业务说不清楚，开发自己脑补一半。现在换成 AI 了，问题反而暴露得更明显。

你描述得越模糊，它给你的东西就越像“差一点”。不是完全错，就是差一点。而这个“差一点”，最烦。因为它看起来很对。结构对，代码风格对，接口也能跑，甚至命名都挺像那么回事。但业务逻辑可能不是你真正想要的。

所以我这次最大的感受，并不是“AI 又变强了”。而是另一件事：AI 写代码越快，我反而越谨慎。

这听起来有点反常。很多人觉得，AI 越强，程序员就越轻松。以前一个接口写半小时，现在五分钟生成。以前一个工具类要自己慢慢敲，现在让它直接补。以前遇到第三方接口，还要翻文档，现在丢给它分析一下，大概结构就出来了。看起来是不是效率直接起飞？是。但只起飞了一半。

因为代码生成出来之后，还有一个更现实的问题：你敢不敢直接用？这才是真正的问题。

像这次 4 个接口，我可以让 GPT 5.5 写。因为这些接口相对独立。逻辑边界清楚。输入是什么，输出是什么，字段怎么映射，大概都能说清楚。这种场景，AI 的优势特别明显。它不嫌烦，不怕重复，也不会因为你让它写第 4 个接口就开始心态崩了。它还会顺手帮你把一些细节补上，比如空值处理、日志、返回格式。你看完以后，心里会有一种感觉：这玩意确实比以前能干多了。

但问题来了。如果是真正跟业务强相关的代码呢？比如一个订单从创建到发单。中间涉及用户身份、门店状态、配送平台、优惠规则、异常订单、退款逻辑、库存判断、回调处理。再加上历史代码里那些没人敢删的判断。再加上某个客户临时加的特殊规则。再加上某个字段名字看起来一样，实际含义完全不一样。这种东西，你敢直接交给 AI 吗？

我现在不太敢。不是因为它写不出来，而是因为我要把这个业务讲清楚，本身就很累。有时候我甚至会想，我打字给 AI 描述这套业务的时间，还不如我自己直接写。这不是夸张。

很多业务代码不是难在语法。不是难在 Java 怎么写，也不是难在 Vue 怎么写。难在那些“只有你知道”的细节。比如这个状态为什么不能改。这个字段为什么看起来没用，但不能删。这个接口为什么要兼容以前的老数据。这个判断为什么不能放前面。这个异常为什么不能直接抛出去。

这些东西，文档里没有。注释里没有。产品也说不清楚。只有你踩过坑，才知道这里不能动。那你怎么让 AI 知道？

你当然可以说。但你要说多少？你是不是要把项目历史讲一遍？是不是要把数据库结构讲一遍？是不是要把每个状态流转讲一遍？是不是还要告诉它以前为什么这么写？说到最后，你会发现一个很搞笑的事情：你不是在让 AI 帮你写代码。你是在给 AI 做入职培训。

而且培训完以后，它还没有真正承担责任。代码出了问题，还是你背锅。

这就是第二个问题。AI 写完代码之后，我不想逐行看，但我又不敢不看。不看，万一业务逻辑错了怎么办？看，又太花时间。尤其现在 GPT 5.5 写得越来越像那么回事。

以前 AI 写错，错得很明显，一眼就能看出来。变量不存在。方法乱调用。逻辑前后矛盾。这种错其实还好，因为你很快就能发现。现在不一样了。它写出来的代码越来越像正常人写的。结构完整，命名合理，逻辑也通顺。你看第一眼，觉得没问题。看第二眼，也觉得没问题。但真正的问题可能藏在一个很小的判断里。

比如优惠先算还是后算。比如某个状态是否允许继续流转。比如失败后要不要重试。比如第三方返回某个错误码时，是终止还是进入人工处理。这种错，不是编译器能帮你发现的，也不是跑一下接口就能暴露的。它可能要到真实订单、真实客户、真实金额出现时，才会炸。那时候就不是“代码写错了”。那时候是业务事故。

所以我现在对 AI 写代码的态度很矛盾。一边觉得它真的强，一边又不敢完全放手。我可以让它写工具类，可以让它写接口骨架，可以让它补重复代码，可以让它帮我分析错误，可以让它根据已有代码风格扩展一个类似功能。但真正涉及复杂业务决策的地方，我还是会犹豫。

不是我保守，而是我知道，业务代码最贵的地方，不是写出来，是写对。更准确地说，是在各种脏数据、历史逻辑、临时规则、异常场景里还能跑对。

AI 现在最擅长的是“把明确的需求快速变成代码”。但现实里，很多需求本身就不明确。你以为你说清楚了，其实你只说了表面。你以为 AI 理解了，其实它只是生成了一个看起来合理的版本。这就是很多人忽略的地方。

AI 的能力越强，越容易让人误判。以前它弱的时候，你知道它不可靠，所以你会小心。现在它强了，你反而容易放松。你会觉得，它都写得这么完整了，应该没什么问题吧？

但软件开发里，最危险的不是明显错误，是“看起来没问题”。尤其是业务系统。只要看起来没问题，很多人就会直接合并。只要测试环境能跑，很多人就会觉得完成了。只要接口返回正常，很多人就不想继续深挖。可真正的问题，往往就藏在这里。

所以我觉得，GPT 5.5 最大的变化，不只是写代码更快。而是它开始把程序员从“写代码的人”，逼成“判断代码能不能用的人”。以前你花时间写。现在你花时间判断。以前你累在敲代码。现在你累在确认逻辑。以前你怕写不完。现在你怕它写得太快，你审不过来。

这其实是一个很大的变化。很多人讨论 AI 会不会替代程序员，讨论得太简单了。好像只要 AI 能写代码，程序员就没用了。但现实不是这样。AI 写代码越快，越考验人的判断力。你有没有能力把需求拆清楚？你有没有能力判断它生成的代码是不是符合业务？你有没有能力发现那些隐藏在正常代码里的风险？你有没有能力决定哪些地方可以交给 AI，哪些地方必须自己来？

这才是接下来真正拉开差距的地方。以后可能不是“会不会写代码”的差距，而是“会不会指挥 AI 写代码”的差距。更进一步，是“能不能看懂 AI 写出来的代码有没有坑”的差距。

一个完全不懂业务的人，用 AI 写代码，可能会很快。但快完以后，没人知道对不对。一个懂业务、懂代码、懂边界的人，用 AI 写代码，才是真的提效。因为他知道什么时候该让 AI 上，也知道什么时候必须自己收回来。

所以我现在越来越觉得，AI 不是让程序员不需要思考了。恰恰相反，它让那些不思考的人更危险。以前你不思考，最多写得慢。现在你不思考，可能会把一堆看起来很专业的错误代码直接放进系统里。这才可怕。

GPT 5.5 让我看到了效率。4 个接口，速度确实比之前快很多。准确率也确实让我满意。但它也让我更清楚地意识到一件事：AI 能帮我写代码，不代表我能把业务责任交给它。它可以替我节省手的时间，但不能替我承担脑子的责任，更不能替我承担系统出问题后的责任。

所以现在的问题不是“AI 到底能不能写代码”。而是当 AI 已经能把代码写得又快又像样的时候，你还有没有能力判断，它写出来的东西到底能不能上线？