警惕认知债务和技能萎缩
当前行业宣扬“AI 负责编码，人类充当协调者”，认为规范驱动开发是未来趋势。工作流程是先定义需求、制定计划，然后不断发指令与代理实例迭代。编码代理程序虽有用强大，但也有明显权衡，如周边系统复杂度增加、编码技能萎缩、被供应商锁定、成本波动等。成功运用需熟练开发者，但 AI 工具会影响批判性思维和认知清晰度。
这并非只是另一种“抽象”
社区有人认为程序员向更高层次抽象迈进，但工具是否构成抽象层尚无定论。过去程序员对新语言和编程方式谨慎，如今 AI 工具已产生显著影响，初级开发者挑战更大，多项研究证实相关现象真实存在。
这次真的不一样
C++ 开发者转 Java 或 Python、系统管理员转 AWS 时无明显思维或理解能力下降。资深工程师进入管理岗编码能力下降是自然过程，但放弃编写代码无法培养下一代资深开发者。如今无长期经验的开发者要进入高级工作流程管理 AI 代理程序，资深工程师也受影响。
“熟练”协调者的问题
Anthropic 研究指出经常使用编码代理程序有“监督悖论”风险。领英软件工程总监 Sandor Nyako 要求团队不用于需批判性思维或解决问题的任务。“过度使用”界定有问题，技能可能很快萎缩，使用编码代理程序削弱管理所需技能。
大语言模型加速了错误的部分
与流行观点相反，我们不需要更快编写不理解的代码。AI 出现前开发者优先级是理解代码、确保高效、代码简洁、缩短周转时间，代理式编码和大语言模型颠倒了优先级，组织内部对代币使用的情况证明了实际未按正确方式使用。
编码即规划
部分开发者通过编写代码规划思考，在代码中工作能考虑多方面问题。开源编码代理 OpenCode 创造者 Dax 表示编写代码助于明确任务。大语言模型填补歧义会带来诸多问题，即使提示完美也可能输出错误方法，资深开发者也意识到脱节问题。
供应商锁定
Claude 服务中断使开发者和团队停滞，工作流程和编码能力依赖供应商。模型提供商补贴多且模型不稳定，代币成本难预测，未来可能形成需为代币消耗付费的行业，本地大语言模型无法满足大规模使用需求，Anthropic 研究显示调试技能下降 47%。
我的方法：降低 AI 的角色定位
不主张手动编写所有代码，大语言模型是代码生成工具补充。主张将其作为辅助工具，用于规划头脑风暴，在实现中积极参与，日常工作流程有多种方式。虽没加快速度但工作质量更高，不参与编写代码无法理解代码，依赖 AI 会失去理解能力。历史教训表明此次风险更大，完全依赖 AI 代理程序会被淘汰。
