北京
如果同一个项目做两遍，一遍手写代码，一遍交给AI，结果会差多少？
一位开发者在完成自己的气象站系统后，决定做个实验。他保留了所有原始需求，假装那个手写版本不存在，全程用"氛围编程"的方式——只提需求，不碰代码，看看AI到底能走多远。
工具选择上，他试遍了免费方案：Gemini、OpenRouter、本地Ollama，要么额度耗尽，要么跑不动。最后同事推荐了OpenCode，搭配默认模型Big Pickle，才算稳定下来。
数据表面很惊人。手写版本花了约28小时，AI版本只花了7小时，提速四倍。但细究起来，这个数字充满陷阱。
手写阶段他得现学Python和Pimoroni硬件库，代码结构反复推倒重来，版本控制里提交了几十次。AI版本提交次数更少，不是因为他更高效，而是作为"氛围编程者"，他根本不看代码，自然也没什么可提交的。
更隐蔽的是决策路径的差异。Web应用部分，手写版本用了16小时完成功能，剩下的12小时全花在迭代——试不同的气象统计维度，调整数据呈现方式。AI版本直接套用了他最终选定的方案，跳过了整个探索过程。
代码质量方面，他用SonarQube做了扫描。非AI版本的传感器读取模块有45条可维护性警告，全是命名规范问题——他习惯Java和PHP的驼峰命名，Python的snake_case看不顺眼，手动标成了误报。天气显示屏的代码直接复制了Pimoroni官方示例，也一并排除在统计之外。
这个实验的诚实之处在于：它暴露了"开发速度"这个指标的脆弱性。当AI替你跳过学习曲线、跳过设计决策、跳过代码审查，省下的时间究竟是效率提升，还是债务转移？
开发者自己的总结很克制——数字或许没那么漂亮，但工具本身确实可用。这种保留态度，比任何四倍速的标题都更值得注意。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
