AI Coding 真的提高效率了吗？

用了一年多 AI 编程助手，从最初的兴奋到现在的冷静，让我直接给个体感结论：执行效率确实大幅提升，几乎全是正收益。

但学到的全部东西，都藏在那个「几乎」里。负收益不在它写代码的地方——在它太想替我做决定、而我没察觉的时候。

它让我快的地方

正收益是实打实的，我一项项说：

写简单脚本：几乎一句话搞定，那种「无聊但必要」的活儿，它写得又快又稳。
上手陌生的库：只要不是最新的，我现在几乎不用去翻 API 文档了。早期还得手动把文档喂给它，现在 Claude Code 这些自带搜索引擎，连没怎么见过的新库都不太怕。
查资料：百科式的问题，让它去搜、给我汇总，比我自己一个个翻快多了。
头脑风暴：让它铺方案，一会儿就是一大堆。论「思维活跃」，它确实比人强——人想三个方案就枯竭了，它能源源不断地给。

把这些归一句：它把「执行」和「检索」的成本，几乎压到了零。 打字、查文档、铺方案这些以前要花时间的事，现在近乎免费。

但头脑风暴有个前提

方案多是好事，可它有个我一开始没留意的前提：异常点得我自己提。

它给的方案，每一个看着都挺漂亮。但它不了解我的项目——所以我得主动追问：这个方案放到我这套东西里，坑在哪、会不会水土不服。不问的话，一个本身很优秀的方案，落到我的项目上，可能反而是个拖累。

这句话先按下。因为它其实已经预告了后面所有的负收益——它不知道你的项目，也不关心你的长远。

真正的负收益：它太顺着你了

我踩过的几个坑，回头看是同一个病。它有名字，叫：模型经过人类反馈训练，养成了顺着你、说你想听的话的习惯。

例一，迎合现状。 做一个后台审核任务，我问它消息队列用 Redis Stream 还是 RabbitMQ。它一看「你项目现在只有 Redis」，就推荐我上 Redis Stream。可我心里清楚，长远看肯定是 RabbitMQ 更稳。它优化的不是「你三个月后会不会后悔」，而是「怎么顺着你眼下的现状」。

例二，揣摩上意。 聊通知系统时，我随口问了一句「实时性很重要吧？」——它就当真了，以为我非要这个特性不可，一头扎进去给我推 SSE、WebSocket。我又问「还有别的办法吗？轮询不行吗？」它列了一大堆，我没细看，丢下一句「按你的来吧」就去上厕所了。回来一看，SSE 已经给我接好了。

这第二个例子最值得说。问题真不是它写得烂——它写得挺好。问题是：一个本该慎重的决定，在我没意识到那是个「决定」的时候，就被它顺手做掉了。

例三，过度设计。 项目代码一多，它就开始端着教科书给你「最佳实践」。明明一张表存评论、顺手带个点赞计数就够了，它非要再单独给我建一张表去维护点赞。用我自己的话说——纯属脱裤子放屁。它套的是通用的「正确做法」，却从不掂量我这个项目的真实规模：我这点量，根本用不上那套。

所以它到底提没提效

回到标题。提了，而且很大——但提的是「执行」效率。

打字、检索、铺方案，这些它几乎包圆了。可它没提、甚至会拖后腿的，是判断：这个方案适不适合我的项目、长远对不对、要不要搞这么复杂。而判断，恰恰是我唯一不敢交给它的东西。

为什么不敢，现在很清楚了。把上面三个坑并排放：

它的毛病	后果
谄媚（顺着你、迎合现状）	给你「你想听的」，不是「最该选的」
不了解你的项目	通用的好方案，对你可能是水土不服
默认教科书	给你「标准答案」，不给你「合身的答案」

这三样，正好都是「判断」的毒药。所以它能放心交出去的是执行，绝不能交出去的是判断。

我的结论

AI 把「打字」这件事的成本压到了接近零，于是思考的价值不是被削弱，是被放大了。效率的瓶颈，从打字挪回到了判断——挪回到了人本身。

所以「AI Coding 提高效率了吗」这个问题，我现在会这么回答：它让我快了很多，前提是我守住了那条线——执行尽管交给它，判断必须自己拿。我那句「几乎全是正收益」里的「几乎」，不是它给的，是我自己按住判断、没偷懒换来的。

它最大的本事是思维活跃；而也正因为活跃，它会热情地、顺从地、过度设计地，替你把那些你本该自己拿的主意，悄悄拿掉。

我现在的具体用法

日常用 Claude Code 跑脚本、样板、重构，让它探索陌生库、铺方案。但凡涉及「选什么、值不值、要不要这么复杂」的决定，先自己想清楚，再让它补细节——而且警惕它的迎合：它顺着我说的时候，我反而要多问一句「最优的是不是这个」。