事情是这样的。
2023 年底 ChatGPT 3.0 出来的时候，我对 AI 一直抱有一种怀疑和与我关系不大的态度。也许是因为我自己写技术文章，对当时的 AI 这种提效工具一直提不起太大兴趣。
一方面，我觉得自己写了这么多年代码，基本功还算扎实，AI 能做的事我也能做，无非是快慢的问题。另一方面，当时 AI 写出来的东西确实很烂——语法错误一堆、逻辑不通、注释乱写，拿来当搜索引擎都比直接用强不了多少。
所以我一直以来没有跟风。直到大概两个月前，我才开始认真地接触 AI 这个概念。
但我接触之后，就突然觉得我已经落后时代太多了。
这个转变不是突然发生的，是被现实推着走的。
感兴趣的小伙伴可以看一下这篇链接：
让我改变的不是 AI 变强了，是别人用它超过了我
说实话，让我真正开始用 AI 的原因很功利：别人用 AI 做的比我快了。
我有个朋友，之前代码水平一般，但自从开始 AI Coding 之后，他的产出速度开始超过我。不是一点，是明显地超过。他可以在一个下午搭完一个完整的后端项目，我需要两天。他可以用 AI 快速生成测试代码，我还在手动写。他可以用 AI 帮他解释他不熟悉的开源项目，我还在啃文档。
这种感觉有点像什么呢？就像你是乒乓球业余选手，一直靠野路子打球，觉得自己还行，突然发现身边一个跟你水平差不多的人请了个教练，三个月的功夫就能打赢你了。你会不服气，但理智告诉你他走的是对的路。
AI coding 工具就是那个教练。
用了一阵之后的真实状态：AI 已经不只是辅助我了
说实话，刚开始的我还只是认为 AI 只能作为辅助我开发的工具。
但是用了两个月后我发现，我的格局还是太小了。
因为在我这里，AI 现在已经不只是辅助我了，而是直接接手了我的个人副业，基本已经 AI Native 了。主业也差不多，AI 接管了大部分的代码工作和内容生产。
这不是夸张，是我这两个月最真实的感受。
一开始我也以为 AI 是帮我提效的工具，我下一个指令，AI 执行一个步骤，我来判断对不对。这听起来很合理对吧？
但实际情况是：AI 现在自己就能把事情做完。不只是执行层面的事情，是从规划到内容生产到发布的完整流程。
主业也差不多。写代码这件事，AI 已经能从需求直接做到交付。我现在做的更多是判断这件事值不值得做、方向对不对，而不是动手写什么。
这已经直接从辅助变成了托管。
从辅助到托管，中间发生了什么
我一直在想这个问题：从 AI 辅助我写到 AI 直接帮我梳理需求、处理设计、编写代码、测试、上线，中间到底发生了什么？
AI 打通了从想法到实现落地的工作流闭环。
辅助阶段的 AI，其实还是我驱动 AI——我下一个指令，AI 做一个步骤，然后我判断，AI 再做下一步。这中间有很多需要人推动的地方。
但当工作流跑顺了之后，AI 可以连续地完成一整个任务。我告诉它「帮我写一篇关于 xxx 的文章」，它直接给我初稿。我告诉它帮我搭一个用户登录模块，它直接给我完整实现。
中间不需要我守着，不需要我一步一步地推。AI 自己就把链路跑完了。
这个跨越，来自两个东西的成熟：
一个是 AI 本身的能力确实变强了。指令理解更准、输出质量更稳定、连贯性更好。
另一个是工作流的设计。你得知道怎么把一个复杂任务拆解成 AI 能理解的步骤，然后让 AI 自己跑起来。这个反而是更重要的。
数字不会说谎
有数据支撑这个感受。
Deloitte 2026 年的调查覆盖了超过 13.5 万名开发者，结论是：AI coding 工具平均每周为每个开发者节省 3.6 小时。这不是我拍脑袋说的，这是数据。
另一个数据更直观：开发者目前生成的代码中，有 42% 是 AI 生成或 AI 辅助的。而且这个比例预计在 2027 年会再增长一半以上。
也就是说，AI coding 不是少数人在用的黑科技，它已经成了主流。
但这里有个细节：省 3.6 小时不是说你多了 3.6 小时娱乐时间。这 3.6 小时是你从低价值劳动里省出来的——写样板代码、查语法、调试明显错误、写你已经知道能工作的测试。这些事 AI 做得好，而且做得快。你省下来的时间拿去做什么，才是关键。
我前两天发了一篇文章专门聊了聊 workflow 如何节省你的垃圾时间
一个真实的体验
我拿两个我自己实际用 AI 做的项目来说。
这里大家可能还没有概念，我后续会单独出一篇文章详细介绍这两个项目。
一个是 galaxy-site，一个银河系主题的个人网站。用 React + Canvas 写的，32000 个粒子、旋转动画、视角切换、响应式交互。
另一个是 searchnews，一个内容采集、渲染、适配与发布的全链路系统。多个 agent 协作、有前端界面、有后端服务、能发布到多个平台。
这两个项目我都没有从零手写代码。galaxy-site 是我告诉 AI 要做什么视觉效果、怎么旋转、颜色怎么配，AI 直接生成完整实现。searchnews 是我告诉 AI 要做采集系统、渲染系统、发布系统，AI 自己就跑起来了。
拿 galaxy-site 来说。这个项目最核心的部分是 3D 旋转算法和粒子生成逻辑。以前我自己写的时候，光调参就要调半天——旋转速度不对、粒子分布不均匀、视角投影出问题，每一个都要反复试。
用 AI 之后，整个流程是这样的：我把 OpenSpec 规格文档给它看，告诉它「按照这个规格实现」。它直接生成完整代码，3D 旋转、粒子分层、颜色渐变、视角预设，一次成型。
中间出问题了吗？有。比如粒子深度排序导致闪烁、比如窗口缩放后比例不对。但这些问题的排查和修复，AI 自己就定位到了，我只需要说「这个问题修一下」，AI 直接给出修复方案。
最后出来的效果：60 FPS 流畅运行、32000 个粒子同时渲染、多层颜色渐变、呼吸动画、视角切换。完整实现，不残缺，不凑合。
再拿 searchnews 来说。这个系统涉及多个 agent 的协作：收集信息、整理内容、渲染文章、适配平台、发布。每个环节的逻辑都不一样，需要串在一起跑。
如果是我自己写，光架构设计就要想好几天。然后再一行行写出来、调试、修复，至少一两周。
用 AI 是什么过程？我把需求说清楚——要做信息采集、渲染引擎、多平台发布。AI 直接生成完整架构，然后逐步实现每个模块。我做的更多是判断这个方向对不对、那个功能要不要加，而不是动手写什么。
最后出来的系统：能跑完整链路、能渲染文章、能发布到掘金、知乎、CSDN 等多个平台。
这就是 AI 托管最真实的体验：不是 AI 帮我提效，是 AI 帮我完成了大部分的工作。我要做的，是把控方向，不是动手执行。
那些拒绝 AI的人在想什么
我现在理解了为什么很多人拒绝 AI coding 工具。
不是因为他们保守，而是因为他们有合理的顾虑。
第一种顾虑：AI 写的代码质量不行。这种顾虑在 2023 年是成立的，当时 AI 写代码确实经常出各种低级错误。但到了 2026 年，这个顾虑基本上已经没了，你用了你才知道。
第二种顾虑：AI 会让人变懒、变笨。这个顾虑有一定的道理，但也有它的局限。如果用 AI 替代你思考，那确实会让人变懒、变笨。但如果用 AI 替代你执行，把你的时间解放出来去做更高价值的判断，那情况就不一样了。
关键不是 AI 做了什么，而是你拿省出来的时间做什么。
第三种顾虑：AI 会让人失业。这个顾虑我也能深有体会。我不想给大家拱火，说什么 AI 不可能替代人类，因为我也判断不了。但是 ATM 机没有让银行柜员消失，它把柜员从数钱的人变成了卖理财产品的人。 AI coding 工具也不会让开发者消失，它把开发者从写代码的人变成了判断需求、设计架构、验收代码的人。
人类的想法和想象力在这个时代是会比金子还值钱的东西。
Anthropic 前不久发布了一份 2026 Agentic Coding Trends Report，里面有一句话我觉得说得很准：
「The patterns emerging in 2026 suggest software development is evolving toward a model where human expertise focuses on defining the problems — not just solving them.」
翻译过来就是：2026 年出现的模式表明，软件开发正在演变成一种 human expertise 聚焦于定义问题的模型——而不只是解决问题。
这句话的核心意思是：AI 会越来越擅长解决问题，但定义问题这件事还是得人来做。
你发现一个需求、把它转化为一个清晰的问题描述、判断这个问题值不值得解决——这些是 AI 做不到的事情。而一个软件项目的价值，往往不是由「解决得有多好」决定的，而是由「解决的是不是真正值得解决的问题」决定的。
AI Coding 不会让你从一个普通开发者变成架构师。它不会替代你的判断力。它不会帮你做需要业务知识的决策。
它能做的，是让你在执行这件事上快十倍、一百倍、甚至一千倍。
但我要补充一个更现实的判断：当你把 AI 辅助变成 AI 托管的时候，你需要的那种判断力，其实比你以为的要少。
有个开发者说了一句话我觉得很准确：AI 没有夺走我对软件开发的热爱，它把它还给了我。
这句话我个人也深有体会，我曾经脑子里的那种胡思乱想，天马行空，在曾经看来根本无法实现的想法，现在都会沦为 AI 的垫脚石和路径依赖。
我理解他的意思。软件开发里有很多事是消耗精力但不产生满足感的——重复的样板代码、调试低级错误、查文档找语法——这些事情 AI 做得好，而且做得快。把你从这些事情里解放出来，你才能把精力放在真正有意思的部分：设计、创造、判断、解决问题。
这是 AI coding 工具真正的价值。
但前提是你得知道怎么用它。随便丢需求给 AI、期待 AI 给你一个完美的结果——这不是 AI 的正确用法，这是对 AI 的滥用。AI 需要一个会用它的人，才能发挥价值。
回到开头
我之前拒绝 AI 的理由是 AI 写的东西不行。
现在我发现，让我产生不行的那个想法，是它有很大的问题。
它总想让我在我的舒适内徘徊，一到拉伸区，它就开始作恶，还是舒适区内舒服啊。你要体会和感受这个时代的变化，而不是当守望者。
AI coding 工具是一个放大器——它放大你的能力，放大你的判断力，也放大你的盲区。你自己判断力越强，AI 放大的效果就越好。你自己盲区越大，AI 放大之后的问题也越大。
所以与其说 AI 能做什么，不如说你用 AI 能做什么。
但我还要加一句：两个月前我说AI 是辅助我的工具，现在我觉得这个说法已经不够准确了。AI 现在对我来说，已经不是辅助，而是托管。
这不是 AI 取代了我，而是我找到了和 AI 配合的最高效方式。
声明：来自cxuanAI，仅代表创作者观点。链接：https://eyangzhen.com/7636.html
