上周在 Hacker News 上看到一条讨论，标题直白得让人不舒服：「AI 编程工具让初级开发者变强了，但让他们永远停留在初级。」
底下 170 多条评论，吵翻了。
一个我自己踩过的坑
说个真事。我最近接手了一个同事写的 Node.js 服务，代码是用 Cursor 生成的——整整 2000 行，没有一行注释，架构决策全靠猜。
我知道他为什么这么干。Cursor 的 @codebase 功能太香了，描述需求，代码就出来了。但他没意识到一件事：AI 生成的代码，最终需要人来维护。
这不是 Cursor 的问题。这是使用方式的问题。但问题在于，当工具太好用的时候，很少有人愿意停下来想「我该怎么用才对」。
技能断层的两种形态
现在开发者群体里出现了一个有趣的分化：
一类人是「AI 增强型开发者」。他们用 Claude Code 做 scaffolding，用 Cursor 做快速原型，但核心逻辑自己写，review 自己看，架构决策自己做。AI 是加速器。
另一类人是「AI 依赖型开发者」。需求来了，prompt 扔进去，代码出来了，跑通了，提交。全程没写过一行代码——甚至没读过 AI 生成的代码。
后者最大的问题不是「写不出代码」。是**「读不懂代码」**。
当你的同事提交了一段有 bug 的 AI 生成代码，而你没有能力读懂它、调试它、修复它——你就从开发者降级成了 prompt 输入员。
这个现象不是猜测
GitHub 自己的数据也暗示了趋势。2025 年底的调查显示，使用 Copilot 的开发者接受 AI 建议的代码比例超过 40%。也就是说，你写的代码里，每 10 行有 4 行不是你写的。
这本身不是问题。问题是：
- 你有没有 review 过那 4 行？
- 你能不能解释那 4 行在做什么？
- 如果那 4 行出了 bug，你能不能修？
如果你的回答有任何犹豫，你就在那个断层里。
公司层面的风险
从管理角度，这个风险更隐蔽。
一个团队如果大量依赖 AI 生成代码，短期内产出确实会飙升。但长期来看：
代码质量的可控性下降了。 因为写代码的人（AI）和审查代码的人（开发者）之间的能力差距在拉大。
知识传承断裂了。 资深开发者退休或者离职后，留下的 AI 生成代码对新人来说是一座黑箱——没人知道当初为什么这么写。
调试成本转移了。 以前写代码时犯的错，写的时候就发现了。现在 AI 替你写，错在运行时才暴露，定位成本翻倍。
不是什么"AI 取代人类"的废话
我要澄清一点：我不是在说「AI 编程工具不好」。我自己也在用 Claude Code，效率提升是真实的。
我在说的是：工具的使用方式决定它是放大器还是麻醉剂。
如果你的工作流是「描述需求 → AI 生成 → 你 review → 你理解 → 你提交」，那 AI 在帮你。
如果你的工作流是「描述需求 → AI 生成 → 跑通了 → 提交」，那你在给自己埋雷。
一个具体的建议
如果你正在用 AI 编程工具，试一下这个习惯：
每段 AI 生成的代码，至少读两遍。 第一遍看它在做什么，第二遍想它为什么这么做。如果有不理解的地方，追问 AI，直到你搞懂为止。
这多花的 5 分钟，可能在未来某个凌晨 3 点的紧急 bug 里救你一命。
主要来源：
- GitHub Copilot 官方博客及用户调查数据
- Claude Code 官方文档及社区讨论
- Hacker News 相关讨论线程（"Why senior developers fail to communicate their expertise"，361 points）