你已经完全ai coding了吗

大厂前端，目前的感觉是有了个非常得力的手下。
以前手写前端最大的几个痛点就是：如何写helper function复用逻辑、如何命名变量、如何写注释、如何写测试。一遇到这种问题我就拖延症地玩手机，玩半个小时回来又忘了自己到底要干啥
现在这些事情就是一个指令的事情，而且交互的时候真的很像在带徒弟，我先写个笼统的需求，ai生成一遍，然后我再不断地让ai做这个做那个，慢慢优化。而且ai还不会烦，不会嫌我朝令夕改，省掉了跟真人合作要考虑对方情绪的沟通障碍。
当然大方向上感觉ai还是跟我们组的工程师有很大的距离。如果不把一个业务需求拆分成一个个小目标，ai就很容易走偏然后越来越崩。我今天刚步子太大扯着自己的蛋一次。
只能说目前的ai让我有能力专注于做一个senior应该做的事。

哈哈，我的sb manager禁止我用ai，然后自己用ai大段大段的改code。每次上线production都会出问题。

基本离不开frontier ai了

感觉看一个repo里ai code的比例，只加一个小method function很快很爽，随着加的多了就变成ai屎山了，可能work也可能有坑，得花很多时间梳理。

完全AI coding ≠ 一天干3小时。虽然3小时可以干完之前一天的活，但隔壁卷王会一天用AI干9小时干出之前3天的活。

偏labor的ai做的又快又好，要动脑筋的，或偏research一点的，屎一样

用 AI 寫 experimental code 效率大大提升。但是寫 production code，AI 產生的 code readability 還是跟人寫的有差。

用的claude

已经完全不自己写code了（自己上手改都算我没prompt好）。AI写得又好又快，以至于识别是不是AI写的就看是不是过于工整了。

原来的理解是AI就是概率模型，根据现在已经的话，按照概率一个一个generate以后的token，按照这种理解，一段code出错是完全可能的，看似写了一堆，很能因为其中包含了很多小错误，导致整个程序跑不起来。或者看似写了很多，仔细看完全不通。

现在看完全不是这样。claude写出来的code就没有像上面说的那样错过！对我来说，这已经是magic了。

我遇到的真实情况都是，如果AI写的code不work，是因为codebase太复杂，prompt不全（自己都不知道），AI没有深入进去读过某个module或者function，漏掉了那些只有深入读才知道是相关的改动。但把报错信息告诉AI，然后反复几次，基本AI就能找到哪些隐藏的很深的还需要改动的code了。

总之，码农工作已经在重塑过程中，传导有个过程。有些公司已经调整了对engineer一天工作量产出的预期，有些还没开始调整。如果是后者的话，恭喜，赶紧用上AI，然后省下的时间多划划水，这样的好日子不多了，改变最多也就在一两年之间。

再有，屎山code啥的都不是事。原来有啥问题，自己又不想或者没能力直接code了解的，现在直接问AI都有答案。有去问人的时间，直接问AI都有答案了。

其实对AI好用程度的评价直接反映了一个领域的技术深度与可替代性。

前端app或者CRUD boy是最容易觉得AI可以做所有事的，一方面是领域本身没有深度，没有复杂的domain knowledge与大量的subcomponents，不需要抽象解耦考虑模块之间的contract正交性之类的，也几乎不考虑性能优化和内存管理；另一方面这些领域开发者的代码质量本来就不太行，AI相当于从一些高技术领域取了半吊子经回来降维打击了。

而一些技术深度大，代码积累了20年，而且很多时候必须与已有代码打交道修改已有框架的，vibe coding现在还是人工智障级别。典型的比如分布式数据库，monolithic系统架构加上数万个test，AI随便做啥改动都break几百个test，基本只能做一点refactoring或者是function级别的修改。

还是得看你做的什么方向，除去2个极端，1什么重头全新的搞个小网站、小 app，2只有内部文档且不能 llm 介入 or 藏着掖着的老人据守，即 AI 完全没辙的高度定制化的系统；

其他的工作大多数还是需要人工去校验，尤其是要上生产环境的东西，直接丢给 agent 瞎改，搞砸了浪费的时间还不如刚开始写的时候就人工，只是搜索时 RAG 比以前google快一些，但还是不能直接 copy paste，有些时候RAG还是会hallucinate，或者有些 source 文档本来就不对。

但写单元测试，我觉得 RAG 复制粘贴或者直接丢给 构建好的 agent 基本无敌，这一步省了大量时间。但单元测试也不是一天到晚要写