北京
过去，我们从未以这种方式公开过构建过程的反思。但本轮开发周期中，我们观察到了一个极具讨论价值的深刻变化：手写代码的比例显著上升，而AI辅助编码与自动生成代码的使用则大幅下降。这背后究竟是什么原因？这正是一个价值万亿美元的问题。
答案的一半与具体组织环境相关，另一半则可能对整个行业具有普适性。从组织特定因素来看，我们平台的成熟度已经进入稳定期，不再需要频繁而剧烈地改动底层架构。平台稳定带来的直接收益是：开发团队能够更轻松地掌握现有代码库的全貌，理解每一处设计决策的来龙去脉。这为大规模手写代码提供了基础能力。
另一方面，AI模型在代码生成上正面临越来越明显的约束。模型在输出代码时常常附带大量不必要的信息，这些多余的内容无谓地消耗着token额度，也增加了开发者的阅读负担。更关键的是，许多AI生成的文档或代码资源高度重复，缺乏针对具体场景的定制性。在实际开发中，往往手动修改代码比不断“驯服”AI生成器更快、更有效。与其在Prompt和生成结果的循环中反复拉扯，不如直接深入代码本身。
作为一名深耕AI与软件行业的从业者，我听到许多同事坦言：他们几乎不阅读AI生成的代码。然而，正是那些坚持例行扫描代码生成摘要、完整代码库以及内联注释的团队，获得了最佳的实际效果。根据我们的经验，十次中有九次，如果出现一个AI始终无法修复的顽固Bug，最终都需要通过阅读和理解现有代码来解决。这一过程有两个关键价值：其一，能够帮助开发者跳出惯性思维，构思创造性的替代方案；其二，能够帮助团队判断当前问题到底应该继续依靠AI生成，还是更适合人工手写修复。
这种情况就像面对一台卡住的自动售货机：有时你只需要再踢一脚（重新给AI一个Prompt），但更多时候，你需要一位既懂电气原理又敢拆机的维修技师——也就是能够真正读懂代码的人——来亲自动手，完成那些其他人因缺乏信心、经验或资格而不敢碰的脏活累活。
那么，这一趋势对AI行业整体意味着什么？首先，对于刚刚开始学习软件开发的人而言，绝对不应该从AI辅助编程入手。基础的手写能力、逻辑构建能力和调试能力，依然是未来驾驭AI工具的基石。其次，美国高校及职业技术教育机构应当重新审视课程设计：在教授框架和AI工具之前，必须确保学生掌握扎实的算法、数据结构和代码阅读能力，否则他们将成为只会“踢售货机”的普通用户，而非能够修复系统真正故障的专家。
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.
