"AI并没有让编程变得更容易，它只是让编程变得难在了不同的方面" - CACM给出了反炒作的观点

用简单的语言来说 - CACM（ACM的旗舰观点平台）发表了一篇文章，认为AI辅助编程并非更容易，而是难度不同。工作的重心已经从“编写代码”转移到了“评估代码是否正确”。

Contexte

过去18个月的工程领导力评论——Karpathy关于自动完成、Nathan Lambert的“6个月生存期”、geohot关于拴马的评论——都指向一个共同的观察：LLM辅助编码加速了低摩擦部分（样板代码、初始框架、小型重构），并集中在原来就很难的部分（系统设计、不变性、边缘情况推理、调试你自己没有编写的代码的新兴行为）。

Analyse

文章中值得提出的三个观点：

1. 评估现在成了瓶颈。当模型可以在几秒钟内输出合理的代码时，工程师的边际分钟用于判断输出是否正确——对抗往往模糊的规格。快速阅读不熟悉的代码是一个真正的难点，而不是编程的“简单”部分。

2. 调试从你的错误转向模型的错误。LLM生成的代码的故障模式与人类的不同：微妙的不正确不变性、非惯用模式（虽然通过测试但运行时漂移）、静默的幻想API调用。你在人类编写的代码上学到的调试手册并不完全适用。

3. 认知负荷增加，而不是减少。即使速度提高，工程师也必须保持两个心智模型——意图和生成的实现——并检查它们之间的一致性。这很昂贵，这正是让资深工程师疲惫的原因。

这篇文章并非反对AI。它反对的是炒作：生产力的说法（“速度提高10倍”）在狭窄的任务中是真实的，但在整个工程工作中则是误导性的。

What to do with this

• 个人技艺：投资于代码阅读速度、规格编写和评估清单。这些现在比原始输入速度更有复合效应。
• 团队实践：测试套件再次成为关键。基于属性的测试和不变性检查可以捕获LLM生成的错误类别，而单元测试则无法做到。
• 架构：“小而松散耦合”的学派迎来了第二春——当每个单元足够短以便评估时，LLM生成的代码更安全。

Scénarios

• 基准情况（60%）：行业将“评估者+规格制定者”作为资深工程师的核心能力。
• 技能下降（25%）：组织削减评估角色并继续交付；18-24个月后将出现一波生产事故。
• 新工具（15%）：形式方法相关工具（属性测试、语义差异）成为新的初级工程师入门点。

Implications

对于工程领导者：招聘和培训评估，而非生产力。对于CTO：你的测试套件投资刚刚获得了新的ROI理由。对于初级工程师：阅读的代码比编写的代码更多。