Ai生成：5分钟,人工修复：5小时,程序员都反应比原来更忙了，Ai目前是超级实习生

AI写代码的核心矛盾：它不理解“你为什么要做”，更不理解“哪些不能做”

一句话点明本质：

AI不是不理解需求，而是不理解“需求的上下文”；不是不理解边界，而是不理解“约束的严肃性”。

下面拆开说。

一、AI不理解需求的“隐含前提”

你给AI的需求描述，永远是冰山一角。

比如你说：“写一个用户登录功能。”AI会生成一套完整的用户名密码验证逻辑。但你没说出来的部分，才是真正的工程需求：

• 密码必须哈希存储，不能明文；
• 必须防止暴力破解，要加登录限流；
• 必须兼容已有的用户表结构，不能自己发明字段；
• 必须接入公司的统一认证中间件，不能另起炉灶；
• 日志要打，但要脱敏，不能记录密码原文。

这些都是你没写进prompt的“已知共识”。在一个真实项目中，这些共识由技术规范、团队约定、安全评审共同构成，天然存在于人的认知中。

AI没有参与过你的评审会、没读过你的代码规范、不知道你们踩过的坑。它默认你所说的就是全部，剩下的全靠猜。

所以核心不是AI不理解你说的话，而是AI不知道你没说但必须遵守的那些事。

二、AI不理解“边界”的严肃性

更致命的问题在这里。

对于人类工程师，“边界”是不可逾越的红线：

• 这个接口只能内网调用，不能暴露到公网；
• 这个方法不能超过200ms，否则链路超时；
• 这个字段是PII（个人隐私信息），不能打印到日志；
• 这个第三方服务的QPS上限是100，不能无限制调用。

这些边界是写不进prompt的“架构契约”，违背任意一条都可能是生产事故。

但AI没有“后果意识”。它的大脑里没有“数据库挂了要赔钱”“用户数据泄露要坐牢”这些概念。它只是在概率上选择一个“看起来合适”的实现。

所以它生成的代码，可能：

• 在循环里无限制调用第三方API，完全不考虑限流；
• 把敏感字段写进日志，因为“这样调试方便”；
• 开了一个公网端口，因为训练数据里很多demo都这么写。

AI不是在故意越界，而是它根本不知道“边界”的存在有什么意义。

三、幻觉不是bug，是它的工作方式

程序员最怕的，是AI凭空捏造一个不存在的库或函数，比如from magical_cache import MagicLock，语法正确，运行报错。

这不是偶然失误，而是它的底层原理：大语言模型做的是“下一个token最可能的预测”，不是“基于事实的检索”。当它遇到自己不确定的实现细节时，它会“编造一个看起来合理”的token序列。

幻觉不是缺陷，是统计预测的必然产出。

而人类工程师的职责，就是分辨哪些是“正确的逻辑”，哪些是“统计意义上的胡话”。这就是为什么修复时间远超生成时间——你不是在改bug，你是在做事实核查。

四、所以核心问题到底是什么

不是AI不理解需求，而是：

1. 需求从来不只是“说出来的那部分”——AI不知道你没说的工程上下文、系统约束、团队约定；
2. 代码从来不只是“能跑就行”——AI不知道边界的严肃性，因为它没有后果意识；
3. 生成从来不是“写完即用”——AI的统计本质决定了它必然掺入幻觉，你必须做事实核查。
   

这三点的叠加，让AI生成的代码变成了一种特殊的东西：

看起来完整，实则充满未知风险。

你花的那5小时，不是在修bug，而是在给一个没有工程常识的“超级实习生”擦屁股——它的代码写得飞快，但每一行你都得重新审查，因为你不知道哪一行是“编的”。

这才是程序员更忙的根源。