AI写代码时代，工程师的核心价值在于验证与判断

事件概述

随着vibe coding（AI辅助编程）成为主流，代码生成成本趋近于零，但软件工程的核心瓶颈已从代码生产转移到验证环节。AI可以在1分钟内生成300行代码，但人工验证这些代码是否正确的速度并未提升，形成了“验证鸿沟”。更严重的是，即使AI单次改动正确率达95%，连续30次不经人工干预的改动后，全部正确的概率仅约21%（0.95^30），项目会因小错误累积而逐渐失控。

核心信息

• 验证是新的瓶颈：编码本身在软件总成本中占比不大（约40%），根据Amdahl定律，即使AI将编码速度无限提升，整体交付上限也仅为1.67倍。规模化提效应转向加速验证与决策过程。

• 测试的断言主权必须在人手中：测试在AI时代兼具验证器和需求规格双重身份。失败的测试是向AI传达需求最高效的方式。若让AI自行编写测试，它会保留实现中的bug，并倾向于生成无实际校验作用的恒真断言（如assert result is not None）。

• 工程师是复杂度的守门员：AI消除了偶然复杂度（语法、样板代码、API查询等），但未减少本质复杂度（业务规则、冲突处理）。代码生成速度提高一个数量级，复杂度积累速度也同步提高。工程师需守住四条纪律：

  • 接口先行：重要功能由AI提出方案，人拍板后再实现。
  • 模块边界由人定义，不可外包。
  • 定期安排AI清理冗余和重构，前提有测试兜底。
  • 清晰命名、补充注释（写给人读的代码就是写给AI读的代码）。

• 安全网比AI工具更关键：案例对比——同一个AI改坏日期格式化函数。无回归测试的团队损失3个人日和客户信任危机；有回归测试的团队90秒发现问题，AI自行撤回改动。安全网改变开发心理学，使人敢于尝试新动作。采用“检查点式开发”：每次验证后立即提交极小粒度增量，便于回滚定位。

值得关注

工程师的核心不可替代资产：

1. 判断力：在代码无限供应的时代，稀缺的是判断什么代码好、什么需求值得做的能力。可通过阅读经典开源项目、亲手维护项目、复盘验证自身判断来积累。
2. 编码手感：偶尔关掉AI手写代码，以建立底层心智模型。“外包打字，不要外包理解”，全程坐副驾无法学会开车，也看不出司机的错误。
3. 工程师本质：工程师从来不是“写代码的人”，而是“在约束下为人的问题设计可靠解法”。历次工具升级（打孔卡→汇编→编译器→垃圾回收器）都使编程含义上移，工程师人数不降反升。AI只是这个序列的最新一项，工程师的价值比任何一代工具都活得长。

本书本身即为AI生成，其内容本身的讨论也验证了核心观点——最终的判断永远需要人来完成。vibe coding适用于一次性原型，但用于长期演化的软件时需要严格的控制复杂度、建立安全网、沉淀意图等工程能力，这些能力不仅没有过时，反而更重要。