“AI會(huì)不會(huì)取代工程師”這個(gè)問(wèn)題過(guò)去兩年里我被人問(wèn)過(guò)不下上百次。不管是剛?cè)胄械男氯?、帶過(guò)多年項(xiàng)目的老人還是正在帶團(tuán)隊(duì)的管理者幾乎都繞不開(kāi)這份焦慮。我的答案始終沒(méi)變AI不會(huì)取代工程師但懂AI的工程師會(huì)取代不懂AI的工程師。這不是繞口令也不是行情話術(shù)而是我在一線做研發(fā)、帶團(tuán)隊(duì)、做AI落地時(shí)反復(fù)驗(yàn)證過(guò)的結(jié)論。這篇文章想把這句話徹底拆開(kāi)懂AI到底指什么、懂到什么程度才算“懂”、從零開(kāi)始怎么練、過(guò)程中會(huì)踩哪些坑。適合那些正在用AI但心里沒(méi)底的人也適合剛想入門(mén)的年輕工程師。看完你可以直接把這套思路搬進(jìn)自己的日常工作里別把它當(dāng)成一篇“科普”當(dāng)成一份操作手冊(cè)更合適。1. 先拆清楚取代你的不是AI是會(huì)用AI的同事1.1 焦慮的源頭是把AI看成了“全自動(dòng)程序員”短視頻里那種“一句話生成整個(gè)網(wǎng)站”的演示確實(shí)是焦慮放大器。但你冷靜看就會(huì)發(fā)現(xiàn)那些演示大多用的是精心設(shè)計(jì)的提示詞跑在干凈得不能再干凈的樣例上。真實(shí)工程項(xiàng)目可不是這樣一堆歷史代碼、說(shuō)不清的業(yè)務(wù)規(guī)則、忽好忽壞的第三方依賴(lài)、改了又改的產(chǎn)品需求。這些哪一樣AI都不用親手負(fù)責(zé)最后拍板、背鍋的還是人。我習(xí)慣把大模型理解成一個(gè)“效率奇高但經(jīng)驗(yàn)為零的實(shí)習(xí)生”。你給它一個(gè)非常具體的任務(wù)它能飛快地產(chǎn)出初稿但你要是不說(shuō)清楚背景、約束、驗(yàn)收標(biāo)準(zhǔn)它照樣會(huì)跑偏。實(shí)習(xí)生干壞了可以返工AI產(chǎn)出錯(cuò)了你一樣得返工。區(qū)別在于返工成本很多時(shí)候比你自己從頭寫(xiě)還高這就是很多人覺(jué)得“AI沒(méi)什么用”的真實(shí)原因。既然AI像實(shí)習(xí)生那問(wèn)題就來(lái)了團(tuán)隊(duì)里能容下一個(gè)只會(huì)干活的實(shí)習(xí)生但需要一個(gè)什么樣的“師傅”答案很明確——有經(jīng)驗(yàn)、有判斷力的工程師。他負(fù)責(zé)派活、檢查、糾偏、兜底。那些只會(huì)“把需求翻譯成代碼”的工作恰好是最容易被AI替代的部分因?yàn)檫@一層幾乎沒(méi)有不可替代的經(jīng)驗(yàn)含量。所以我常說(shuō)真正危險(xiǎn)的從來(lái)不是AI本身而是那些只做翻譯層、卻誤以為自己不可替代的人。1.2 懂AI的工程師贏在三個(gè)地方效率、質(zhì)量、能力半徑我們做一次“不懂AI”和“懂AI”的對(duì)比。假設(shè)領(lǐng)導(dǎo)扔過(guò)來(lái)一個(gè)需求把一批CSV數(shù)據(jù)清洗后寫(xiě)成報(bào)告。不懂AI的工程師打開(kāi)編輯器回憶pandas語(yǔ)法翻文檔試錯(cuò)兩小時(shí)起步。懂AI的工程師先把字段樣例、清洗規(guī)則、輸出格式寫(xiě)給AI讓它出初稿拿到代碼后自己審查一遍把邊界情況和異常補(bǔ)上整個(gè)過(guò)程二十到四十分鐘。效率差四到五倍但這不是最關(guān)鍵的。最關(guān)鍵的是AI能拿來(lái)做“質(zhì)量放大鏡”。你寫(xiě)完一段代碼后讓AI幫你生成測(cè)試用例、補(bǔ)充空指針和并發(fā)邊界再讓它扮演評(píng)審者挑毛病。這相當(dāng)于你憑空多了一個(gè)不會(huì)累的結(jié)對(duì)搭檔而且是那種愿意反復(fù)看同樣代碼還不抱怨的搭檔。第三個(gè)優(yōu)勢(shì)是能力半徑。過(guò)去一個(gè)后端工程師很難快速做出一份像樣的前端頁(yè)面但如今AI能把不熟悉領(lǐng)域的基礎(chǔ)知識(shí)給你補(bǔ)齊你只要懂核心邏輯和業(yè)務(wù)。于是你不再被“會(huì)的語(yǔ)言”綁死可以放心去接以前不敢接的活。說(shuō)句實(shí)話懂AI并不會(huì)讓你瞬間變成天才它的作用是放大你已有的工程能力。你本身懂得越多、拆解能力越強(qiáng)AI放大得越狠你要是本身只會(huì)復(fù)制粘貼那AI復(fù)制粘貼比你利索得多。所以這個(gè)結(jié)論也反過(guò)來(lái)成立不懂工程邏輯的“AI使用者”同樣會(huì)被更懂工程的人淘汰。2. “懂AI”到底懂什么五個(gè)繞不開(kāi)的能力點(diǎn)2.1 提示詞工程本質(zhì)是需求工程不是“會(huì)聊天”很多人以為提示詞就是“跟AI聊天”其實(shí)不是。提示詞工程真正考驗(yàn)的是你能不能把一個(gè)模糊、口語(yǔ)化的訴求轉(zhuǎn)化成模型能理解的結(jié)構(gòu)化指令。這和工程師寫(xiě)需求文檔、做接口設(shè)計(jì)是同一套功夫。我見(jiàn)過(guò)最典型的反面例子“幫我寫(xiě)一個(gè)登錄接口?！蹦隳眠@句話去問(wèn)任何一個(gè)大模型它大概率會(huì)給你一個(gè)能編譯、但什么安全措施都沒(méi)有的玩具代碼。而懂AI的人會(huì)這樣問(wèn)你是一位有十年經(jīng)驗(yàn)的Java后端工程師請(qǐng)用Spring Boot 3、Java 17實(shí)現(xiàn)一個(gè)登錄接口。要求參數(shù)校驗(yàn)、密碼加鹽存儲(chǔ)、失敗次數(shù)限制、統(tǒng)一返回格式、防SQL注入。請(qǐng)先給出設(shè)計(jì)方案確認(rèn)后再寫(xiě)代碼最后給出單元測(cè)試建議。同樣的需求兩種問(wèn)法得到的簡(jiǎn)直就是兩個(gè)質(zhì)量層級(jí)的東西。我平時(shí)用的提示詞模板就五個(gè)要素你可以直接抄角色讓AI站到一個(gè)具體身份上比如“資深測(cè)試工程師”“信息安全專(zhuān)家”任務(wù)一句話說(shuō)明要干什么動(dòng)詞開(kāi)頭越具體越好上下文把相關(guān)背景、已知條件、歷史代碼片段放進(jìn)來(lái)信息越多答案越準(zhǔn)約束明確語(yǔ)言、框架、性能要求、必須不做什么輸出格式要求它給代碼、表格、清單還是圖文說(shuō)明。實(shí)戰(zhàn)中還有個(gè)細(xì)節(jié)別急著讓AI直接寫(xiě)代碼。你先讓它出方案、列問(wèn)題清單你確認(rèn)思路沒(méi)問(wèn)題再讓它動(dòng)手。這一步省下的返工時(shí)間遠(yuǎn)超想象。把提示詞當(dāng)成一份微型需求文檔來(lái)寫(xiě)AI的表現(xiàn)會(huì)完全不一樣。2.2 看清邊界與幻覺(jué)AI的“一本正經(jīng)胡說(shuō)八道”才是最大風(fēng)險(xiǎn)大模型本質(zhì)上是根據(jù)概率預(yù)測(cè)下一個(gè)詞。這意味著它擅長(zhǎng)“生成看起來(lái)合理的文本”但不保證內(nèi)容一定是事實(shí)。有個(gè)詞叫“AI幻覺(jué)”就是它一本正經(jīng)地編造答案而且語(yǔ)氣特別自信。我在項(xiàng)目里遇到過(guò)好幾次。讓AI寫(xiě)一個(gè)調(diào)某個(gè)內(nèi)部接口的腳本它根據(jù)接口名猜了參數(shù)和返回字段代碼看起來(lái)邏輯通順一跑就報(bào)錯(cuò)因?yàn)槟莻€(gè)返回字段壓根不存在。還有一次讓它生成帶ffmpeg參數(shù)的命令它寫(xiě)了個(gè)“-vf crop200:200:100:100”這種看起來(lái)像樣、實(shí)際含義完全不對(duì)的寫(xiě)法。它并不知道自己的知識(shí)有邊界也不知道你們系統(tǒng)內(nèi)部長(zhǎng)什么樣。所以懂AI的工程師腦子里永遠(yuǎn)有一根弦AI的輸出一律視為“需要驗(yàn)證的初稿”。三個(gè)驗(yàn)證方法我用下來(lái)最管用讓AI給出依據(jù)要求它引用官方文檔或說(shuō)明來(lái)源用編譯器、測(cè)試用例和小批量數(shù)據(jù)去跑不靠肉眼判斷對(duì)關(guān)鍵結(jié)論多問(wèn)幾輪比如“你確定嗎”“如果數(shù)據(jù)量為百萬(wàn)行會(huì)怎樣”讓它在壓力測(cè)試下暴露出自己的問(wèn)題。另外要記得大模型的知識(shí)有截止日期也不了解你們公司內(nèi)部的系統(tǒng)細(xì)節(jié)。它不讀你們的歷史代碼庫(kù)只靠你給的上下文在猜。你給的上下文越少它猜的成分越高幻覺(jué)風(fēng)險(xiǎn)就越大。所以寫(xiě)提示詞時(shí)盡量把能降低不確定性的信息都塞進(jìn)去這比換一個(gè)“更聰明”的模型更能解決問(wèn)題。2.3 AI Agent和工作流讓AI從“回答問(wèn)題”變成“完成任務(wù)”現(xiàn)在的AI不只能聊天。通過(guò)工具調(diào)用和流程編排可以讓它自行完成多步驟任務(wù)這個(gè)概念叫AI Agent。打個(gè)比方聊天模型像只會(huì)動(dòng)嘴的顧問(wèn)Agent則像一個(gè)有手有腳、能自己跑腿干活的幫手。實(shí)際工程里我建議先從小閉環(huán)開(kāi)始。比如讓AI扮演QA針對(duì)你剛寫(xiě)的代碼生成一批測(cè)試用例并指出邊界風(fēng)險(xiǎn)再讓另一個(gè)AI扮演安全評(píng)審專(zhuān)門(mén)檢查注入、越權(quán)、敏感信息泄露。兩個(gè)角色各有分工比一個(gè)AI從頭包到尾要穩(wěn)得多。這種“多角色編排”的思路比單人獨(dú)角戲更能貼近真實(shí)團(tuán)隊(duì)的協(xié)作模式。再進(jìn)一步可以把它嵌進(jìn)研發(fā)流程。我現(xiàn)在的一些項(xiàng)目流程是這樣用AI生成代碼初稿自動(dòng)加一層單元測(cè)試然后跑靜態(tài)檢查最后把diff和AI評(píng)審意見(jiàn)一起提交給人工審查人工確認(rèn)后再合并。每個(gè)閘門(mén)都是工程能力在把關(guān)AI只承擔(dān)重復(fù)勞動(dòng)。需要提醒的是Agent編排的風(fēng)險(xiǎn)在于“自動(dòng)化放大了錯(cuò)誤”。如果第一步就錯(cuò)了后面所有步驟都會(huì)順著錯(cuò)下去而且錯(cuò)得非?？?。所以別一上來(lái)就把AI Agent接到生產(chǎn)環(huán)境先在低風(fēng)險(xiǎn)、可回滾的場(chǎng)景里跑熟。等你對(duì)它的脾氣摸清了再逐步擴(kuò)大自動(dòng)化范圍。2.4 AI輔助編碼從“自動(dòng)補(bǔ)全”到“結(jié)對(duì)評(píng)審”AI輔助編碼工具IDE插件、代碼補(bǔ)全、代碼生成現(xiàn)在是工程師日常用得最頻繁的一類(lèi)。它們確實(shí)能提速但容易讓人產(chǎn)生“我寫(xiě)得很順”的錯(cuò)覺(jué)。你要記住工具再順也不能替代你對(duì)代碼的理解和審查。我的用法分三層。第一層讓它完成重復(fù)勞動(dòng)生成DTO、ORM實(shí)體、模板代碼、mock數(shù)據(jù)、SQL測(cè)試數(shù)據(jù)。這些事又無(wú)聊又容易手滑AI做最合適。第二層讓它在編碼中途補(bǔ)全我寫(xiě)方法名和關(guān)鍵注釋它把剩余邏輯補(bǔ)出來(lái)。這里有個(gè)小技巧——方法名和變量名越清晰注釋越具體補(bǔ)全質(zhì)量越高因?yàn)檫@相當(dāng)于給了模型更多約束。第三層讓AI做我的“結(jié)對(duì)評(píng)審員”寫(xiě)完一段代碼后我會(huì)讓AI從健壯性、安全性、性能三個(gè)角度挑毛病。你可能會(huì)說(shuō)“這不是審查工具也能做嗎”確實(shí)但AI審查的維度更偏代碼語(yǔ)義能發(fā)現(xiàn)很多靜態(tài)分析工具發(fā)現(xiàn)不了的邏輯漏洞。實(shí)際操作時(shí)有個(gè)細(xì)節(jié)值得注意讓AI先說(shuō)問(wèn)題、不要急著給修改后的代碼。這樣AI會(huì)比較克制不會(huì)一上來(lái)就改寫(xiě)你的實(shí)現(xiàn)。等它列完問(wèn)題你再?zèng)Q定哪些采納、哪些不采納而不是被它牽著走。2.5 能上手做AI應(yīng)用懂API、懂RAG、懂模型選型用AI工具和做AI應(yīng)用是兩回事。只調(diào)用現(xiàn)成的聊天服務(wù)算不上“懂AI”真正懂的人能自己搭一套檢索增強(qiáng)生成RAG流程或者調(diào)用大模型API把能力嵌到業(yè)務(wù)系統(tǒng)里。做一個(gè)最小可用的RAG其實(shí)就是四步把文檔切成片段、把片段embedding成向量、存進(jìn)向量數(shù)據(jù)庫(kù)、查詢(xún)時(shí)先檢索再拼進(jìn)提示詞給大模型。聽(tīng)起來(lái)簡(jiǎn)單但細(xì)節(jié)全在參數(shù)里。比如chunk_size我之前對(duì)一個(gè)項(xiàng)目試過(guò)500、800、1000三種分塊結(jié)果千字符的塊在問(wèn)答時(shí)經(jīng)常把兩個(gè)問(wèn)題混在一起改小到300到500之后準(zhǔn)確率明顯上升。還有檢索返回的Top-K太大容易把噪聲塞進(jìn)上下文太小會(huì)漏答案我習(xí)慣先從5開(kāi)始調(diào)。再說(shuō)模型選型。我一般按四個(gè)維度來(lái)選效果、成本、延遲、數(shù)據(jù)安全。內(nèi)部知識(shí)問(wèn)答這種不需要最高智商模型但要做離線部署的場(chǎng)景選一個(gè)中等參數(shù)的開(kāi)源模型性?xún)r(jià)比最高對(duì)外客戶(hù)服務(wù)這種復(fù)雜對(duì)話場(chǎng)景可以用效果更好的商用API。不要只盯著參數(shù)排名夠用、便宜、可控才是關(guān)鍵。把這些參數(shù)和流程跑通你才算真正摸到了“做AI應(yīng)用”的門(mén)檻。3. 從“不懂AI”到“懂AI”的90天實(shí)操路線3.1 第一周把AI用起來(lái)建立“手感”很多人學(xué)AI失敗不是不夠聰明而是想一口氣學(xué)會(huì)太多結(jié)果什么都沒(méi)深入。我的建議是第一周只干一件事把AI用熟。選一個(gè)穩(wěn)定、合規(guī)、你公司允許使用的AI產(chǎn)品每天挑三件重復(fù)工作交給它——寫(xiě)周報(bào)、寫(xiě)注釋、整理會(huì)議紀(jì)要、生成測(cè)試數(shù)據(jù)、翻譯技術(shù)文檔都行。心態(tài)上要用“實(shí)習(xí)生管理思維”。你給AI派活要像給實(shí)習(xí)生派活一樣把要求說(shuō)清楚。比如“請(qǐng)把這份產(chǎn)品文檔整理成三句話摘要要求列出用戶(hù)畫(huà)像、核心痛點(diǎn)、目標(biāo)指標(biāo)不能添加文檔里沒(méi)有的信息”。這樣AI產(chǎn)出的東西你才用得順手。與此同時(shí)建議你建一個(gè)“AI效率賬本”簡(jiǎn)單記三列任務(wù)名、人工做多久、AI做多久。第一周你會(huì)發(fā)現(xiàn)有些事情AI快得嚇人也有些事情AI反而更慢這時(shí)候你對(duì)AI的能力邊界就有感覺(jué)了。這個(gè)賬本以后還能用來(lái)決定哪些任務(wù)應(yīng)該放心交給AI哪些必須自己動(dòng)手。3.2 第二周起把AI塞進(jìn)研發(fā)工作流從第二周開(kāi)始可以嘗試把AI嵌入你真正的工作流不是偶爾用一下而是形成固定節(jié)奏。我推薦從低風(fēng)險(xiǎn)場(chǎng)景開(kāi)始比如工具腳本或內(nèi)部系統(tǒng)的輔助開(kāi)發(fā)。我舉一個(gè)實(shí)操過(guò)的例子。你接到一個(gè)需求寫(xiě)一個(gè)Python腳本定時(shí)從公開(kāi)API拉天氣數(shù)據(jù)并存到數(shù)據(jù)庫(kù)。你的做法可以是把需求寫(xiě)清楚包括字段、頻率、異常處理要求交給AI生成初稿讓AI再生成一份單元測(cè)試覆蓋空數(shù)據(jù)、超時(shí)、重復(fù)數(shù)據(jù)的情況自己跑一遍測(cè)試把不合理的需求反饋給AI修改讓AI做一次代碼審查列出性能和安全的提示人工review后合并。這套流程最大的價(jià)值是壓低了試錯(cuò)成本也讓你逐步習(xí)慣“AI出活、你把關(guān)”的協(xié)作模式。等到第三四周你可以把它復(fù)制到更多場(chǎng)景里比如讓AI輔助生成接口文檔、數(shù)據(jù)庫(kù)遷移腳本、自動(dòng)化測(cè)試用例。但請(qǐng)記住任何一步都不能甩手不管。尤其是單元測(cè)試由AI生成時(shí)要人工檢查它是不是真的覆蓋了關(guān)鍵分支而不是只寫(xiě)了幾個(gè)正例。否則測(cè)試本身就會(huì)變成“為了通過(guò)而通過(guò)”的形式主義。3.3 第三個(gè)月親手做一個(gè)AI小應(yīng)用當(dāng)你對(duì)提示詞、API、向量庫(kù)都不再陌生我建議你花兩三周做一個(gè)真正能用的小應(yīng)用。這個(gè)項(xiàng)目會(huì)逼你把之前的零散認(rèn)知串起來(lái)。最好的練手題目就是“給團(tuán)隊(duì)知識(shí)庫(kù)做一個(gè)內(nèi)部問(wèn)答機(jī)器人”。具體步驟我梳理一下第一步收集幾十篇常見(jiàn)文檔Markdown或TXT就行清洗一下格式第二步用常見(jiàn)的embedding模型把文檔切成小塊并向量化chunk_size先設(shè)500overlap設(shè)50到100第三步把向量存進(jìn)本地向量庫(kù)比如FAISS這類(lèi)輕量方案第四步寫(xiě)一個(gè)查詢(xún)腳本用戶(hù)提問(wèn)先從向量庫(kù)召回Top-K5再拼上提示詞交給大模型生成回答并附上文檔來(lái)源。做完之后千萬(wàn)別停在“能跑”。你要做的關(guān)鍵動(dòng)作是調(diào)參數(shù)同一個(gè)問(wèn)題分別用不同的chunk_size、Top-K、提示詞去測(cè)試把答案質(zhì)量記錄下來(lái)。你會(huì)發(fā)現(xiàn)最優(yōu)參數(shù)不是拍腦袋想出來(lái)的而是試出來(lái)的。這才是“懂AI”的工程師和“用過(guò)AI”的工程師的重大差別。這里還得提醒一句合規(guī)團(tuán)隊(duì)內(nèi)部文檔如果涉及敏感信息不要直接丟給外部未獲批準(zhǔn)的AI服務(wù)。先用公司允許的接口或者離線部署一個(gè)模型。數(shù)據(jù)安全這條底線永遠(yuǎn)排在第一位。我不是在講大道理而是見(jiàn)過(guò)不止一個(gè)團(tuán)隊(duì)因?yàn)樨潏D方便把不該外傳的數(shù)據(jù)送進(jìn)了外部API后面的麻煩事能讓人頭疼一整年。3.4 三條紅線別把工具當(dāng)神話這90天里有幾條紅線我建議你從一開(kāi)始就焊死在腦子里第一AI生成的代碼絕不直接上生產(chǎn)。哪怕是看起來(lái)沒(méi)問(wèn)題的三行小改動(dòng)也要先編譯、測(cè)試、review。第二不把敏感數(shù)據(jù)交給未經(jīng)評(píng)估的AI服務(wù)。別圖方便拿生產(chǎn)數(shù)據(jù)去做實(shí)驗(yàn)合規(guī)意識(shí)是一個(gè)工程師最基本的職業(yè)素養(yǎng)。第三不讓AI替你思考。它給你的答案永遠(yuǎn)只是候選方案你要做的是驗(yàn)證、權(quán)衡、決策。它的“自信”不代表正確。我見(jiàn)過(guò)不少人一開(kāi)始因?yàn)锳I效率高而開(kāi)心后來(lái)因?yàn)锳I出了生產(chǎn)事故而沮喪最后徹底不用AI。其實(shí)問(wèn)題不在于AI而在于使用方式。把它當(dāng)工具別把它當(dāng)權(quán)威。這個(gè)心態(tài)想明白后面很多坑都能躲開(kāi)。4. 真實(shí)項(xiàng)目里踩過(guò)的坑和排查技巧4.1 AI幻覺(jué)它一本正經(jīng)地胡說(shuō)八道時(shí)最危險(xiǎn)AI幻覺(jué)可以說(shuō)是所有坑里最隱蔽的因?yàn)樗皇恰拔也恢馈倍恰拔揖幰粋€(gè)看起來(lái)合理的答案”。我在一次構(gòu)建內(nèi)部工具時(shí)讓AI寫(xiě)一個(gè)批量處理視頻的命令片段它寫(xiě)出了一個(gè)不存在的參數(shù)組合命令執(zhí)行直接報(bào)錯(cuò)?？雌饋?lái)它很專(zhuān)業(yè)實(shí)際是半吊子。排查幻覺(jué)我有個(gè)口訣讓AI給依據(jù)、拿小數(shù)據(jù)驗(yàn)證、追問(wèn)壓力場(chǎng)景。讓AI給依據(jù)就能逼著它收斂拿小數(shù)據(jù)驗(yàn)證可以最低成本暴露錯(cuò)誤追問(wèn)壓力場(chǎng)景比如“數(shù)據(jù)量翻十倍呢”“并發(fā)變高呢”AI通常會(huì)自己承認(rèn)之前的方案有問(wèn)題。你要記得AI輸出的是“可能正確”的草稿不是“經(jīng)過(guò)驗(yàn)證”的結(jié)論。誰(shuí)把草稿當(dāng)結(jié)論誰(shuí)就要承擔(dān)草稿所帶來(lái)的返工成本。4.2 提示詞寫(xiě)得越細(xì)AI越聽(tīng)話很多人的提示詞失敗不是不會(huì)用AI而是給的信息太少。舉一個(gè)對(duì)比你說(shuō)“幫我寫(xiě)個(gè)從數(shù)據(jù)庫(kù)讀數(shù)據(jù)的腳本”AI很難知道是哪個(gè)數(shù)據(jù)庫(kù)、讀哪些表、用什么語(yǔ)言。但你把表結(jié)構(gòu)、字段、連接配置、輸出格式全貼進(jìn)去AI給出的就是可以直接改的腳本。我修正提示詞的套路是五要素查漏法上面提過(guò)。每次輸出不對(duì)先別換工具檢查五個(gè)要素缺了什么。多數(shù)情況下問(wèn)題出在“約束”和“上下文”缺失。比如你需要Java 17但你沒(méi)說(shuō)AI默認(rèn)給你Java 8風(fēng)格你需要它不解釋只給代碼但你沒(méi)說(shuō)它給你長(zhǎng)篇大論。把這些邊界補(bǔ)上準(zhǔn)確率提升是肉眼可見(jiàn)的。如果你發(fā)現(xiàn)補(bǔ)了信息之后AI還是不行這時(shí)候再考慮換模型別一上來(lái)就怪工具。4.3 AI代碼審查清單這些地方必須人工過(guò)一遍AI寫(xiě)的代碼習(xí)慣于“看起來(lái)正確”最缺的是邊界情況。我總結(jié)了一張審查清單每次用AI代碼時(shí)對(duì)照一遍檢查項(xiàng)AI代碼常見(jiàn)的坑怎么查依賴(lài)版本導(dǎo)入不存在或過(guò)舊的庫(kù)用包管理器解析跑編譯輸入校驗(yàn)沒(méi)考慮空值、超長(zhǎng)、非法字符看參數(shù)入口有沒(méi)有校驗(yàn)邏輯并發(fā)與超時(shí)忘記加鎖、超時(shí)、重試審查并發(fā)路徑補(bǔ)壓力測(cè)試安全性拼接SQL、硬編碼密鑰、日志泄露敏感信息用靜態(tài)掃描工具人工看配置性能循環(huán)里查庫(kù)、重復(fù)構(gòu)建對(duì)象先看復(fù)雜度再跑性能驗(yàn)證業(yè)務(wù)邏輯把需求答偏多做了或少做了拿需求清單逐條對(duì)你可以把這張表做成團(tuán)隊(duì)Code Review模板每次AI參與編碼就過(guò)一遍能擋住大多數(shù)低級(jí)問(wèn)題。重點(diǎn)不是每項(xiàng)都嚴(yán)絲合縫而是形成條件反射AI越主動(dòng)你的審查越不能放松。4.4 團(tuán)隊(duì)里的AI使用規(guī)范與知識(shí)沉淀AI能力不是個(gè)人英雄主義團(tuán)隊(duì)層面最好有點(diǎn)機(jī)制。我建議團(tuán)隊(duì)做三件事建一個(gè)提示詞共享庫(kù)。誰(shuí)發(fā)現(xiàn)某個(gè)好用的提示詞就往庫(kù)里丟一條注明適用于什么場(chǎng)景。新人來(lái)了直接照著用效率提升非常明顯。每周做一次AI實(shí)踐分享。不搞形式主義就講講本周誰(shuí)用AI解決了什么實(shí)際問(wèn)題哪怕五分鐘也夠。把AI產(chǎn)物納入正常質(zhì)量把關(guān)流程。AI生成的代碼也走CI、評(píng)審、測(cè)試和人類(lèi)寫(xiě)的沒(méi)有區(qū)別。這幾件事做下來(lái)團(tuán)隊(duì)的AI使用就不再是零散行為而是逐步沉淀成組織能力。我見(jiàn)過(guò)一些團(tuán)隊(duì)一開(kāi)始只是個(gè)別工程師用AI后來(lái)通過(guò)分享和沉淀整個(gè)團(tuán)隊(duì)的交付速度都上來(lái)了。那些說(shuō)“我們團(tuán)隊(duì)不用AI”的人一年后回頭看大概率會(huì)后悔當(dāng)初沒(méi)早點(diǎn)動(dòng)起來(lái)。5. 團(tuán)隊(duì)協(xié)作與個(gè)人轉(zhuǎn)型讓“懂AI”變成你的護(hù)城河5.1 能力模型變了從“我知道”變成“我會(huì)問(wèn)”以前工程師的核心競(jìng)爭(zhēng)力是腦子里裝的知識(shí)多我記得這個(gè)API叫什么、那個(gè)組件怎么配、這個(gè)報(bào)錯(cuò)是什么意思。但如今AI的知識(shí)量是人的無(wú)數(shù)倍記得再快也拼不過(guò)它。真正拉開(kāi)差距的反而是兩個(gè)看起來(lái)“軟”的能力會(huì)不會(huì)提出好問(wèn)題以及能不能判斷答案的好壞?！皶?huì)問(wèn)”不是會(huì)說(shuō)話而是會(huì)拆問(wèn)題。把一個(gè)大需求拆成幾個(gè)能被精確驗(yàn)證的小問(wèn)題再基于AI的多個(gè)候選方案做出取舍判斷這就是新的工程核心能力。我面試時(shí)越來(lái)越喜歡考察候選人的一個(gè)動(dòng)作給他一個(gè)問(wèn)題讓他先設(shè)計(jì)提示詞再評(píng)價(jià)AI的回復(fù)。這一下就能看出他有沒(méi)有系統(tǒng)思維。5.2 在團(tuán)隊(duì)里搭一套AI實(shí)踐機(jī)制個(gè)人能不能成長(zhǎng)一半靠自己一半靠環(huán)境。如果你剛好是組長(zhǎng)、技術(shù)負(fù)責(zé)人可以主動(dòng)把AI實(shí)踐機(jī)制搭起來(lái)。除了上一節(jié)說(shuō)的提示詞庫(kù)和分享會(huì)還可以做幾件事在新人入職培訓(xùn)里加入AI工具操作讓新人第一周就用AI快速熟悉項(xiàng)目在Code Review流程中增加“AI輔助評(píng)審”環(huán)節(jié)讓AI生成的問(wèn)題清單作為人工review的參考定期用AI生成內(nèi)部測(cè)試數(shù)據(jù)、演示環(huán)境、知識(shí)庫(kù)摘要降低團(tuán)隊(duì)的重復(fù)性勞動(dòng)。這樣搭好之后團(tuán)隊(duì)里的工程師每天都在低風(fēng)險(xiǎn)場(chǎng)景里練手遇到問(wèn)題有同伴可以問(wèn)他們的“懂AI”程度會(huì)成長(zhǎng)得非?？臁６苿?dòng)這件事的你在團(tuán)隊(duì)里的話語(yǔ)權(quán)自然也會(huì)跟著上升。管理者的價(jià)值恰恰在于能讓大家更快用上新的生產(chǎn)力工具而不是把新工具擋在門(mén)外。5.3 職業(yè)方向懂AI的工程師有哪些新活法最后聊一下職業(yè)方向。總有人問(wèn)“我要不要轉(zhuǎn)行做AI”。我的看法是別急著轉(zhuǎn)行先把“原崗位AI能力”做厚。每一條專(zhuān)業(yè)路徑都有對(duì)應(yīng)的AI化方向后端工程師可以轉(zhuǎn)型為AI應(yīng)用開(kāi)發(fā)者把大模型接入業(yè)務(wù)系統(tǒng)設(shè)計(jì)接口、緩存、鑒權(quán)測(cè)試工程師可以成為AI測(cè)試開(kāi)發(fā)工程師用AI生成測(cè)試數(shù)據(jù)和用例做智能質(zhì)量分析運(yùn)維工程師可以去做AI平臺(tái)的模型部署與推理優(yōu)化前端、客戶(hù)端工程師也可以做AI交互產(chǎn)品的工程化。這些方向不是讓你從頭學(xué)算法而是讓你把已有經(jīng)驗(yàn)疊加到AI之上。懂AI的工程師從來(lái)不是只會(huì)調(diào)接口的“AI使用者”而是能夠把模型、工具、數(shù)據(jù)、業(yè)務(wù)串聯(lián)在一起的人。這個(gè)能力一旦建立AI就不再是你的對(duì)手而是你的生產(chǎn)力工具。帶團(tuán)隊(duì)這幾年我越來(lái)越深信一句話AI讓“不思考的工程師”更危險(xiǎn)也讓“會(huì)思考的工程師”更值錢(qián)。它不會(huì)因?yàn)槟阈量嗑捅Ａ裟愕奈恢玫珪?huì)因?yàn)槟隳苡眯鹿ぞ邉?chuàng)造價(jià)值而重用你。最后想分享一個(gè)小技巧每天留出二十分鐘不是刷AI新聞而是真正拿一個(gè)工作中的小問(wèn)題去AI上試一遍。把試出來(lái)的結(jié)果記下來(lái)長(zhǎng)期積累你會(huì)比周?chē)耐露喑龊芏唷癆I手感”。這二十分鐘短時(shí)間看不出差距半年后就是兩條完全不同的職業(yè)曲線。AI取代不了工程師但懂得用AI持續(xù)放大自己能力的工程師確實(shí)會(huì)逐漸拉開(kāi)和其他人的距離。早點(diǎn)動(dòng)手別等。