最近，关于 AI 能否让工程师功率提高 10 倍、乃至 100 倍的评论越来越火爆。各种夸张的说法漫山遍野，让不少开发者既振奋又焦虑：究竟是真的“生产力腾跃”，仍是仅仅炒作噱头？一线开发者 Colton Voege 在试用了多款 AI 辅助编码东西后，得出自己的观点：许多言过其实的 10 倍功率说法，要么是出于出资和商业利益的宣扬，要么是管理层制作焦虑的手法，实在来自一线开发者的实在体会其实更平平。

在他看来，AI 是一个有用的东西，但并不是推翻一切的生产力魔法。工程师应当信赖自己的节奏，既不用由于没用 AI 而焦虑，也不用为了“更高功率”献身作业趣味。

几个月前，我阅历了一段情绪低落期。尽管我一向对自己作为工程师的才干很有决心，但每次刷 LinkedIn、Twitter 等交际媒体的内容时，总觉得自己的技能落后得没救了。网上各种说法都让我感觉，工程师现已不再是简略地敲代码了。那些“实在的工程师”功率比我高十倍、乃至百倍。我写这篇文章，便是想帮帮也有相似焦虑的朋友们。

我本来是个置疑主义者，听到这种说法一般都会翻白眼，就像有人跟我说什么草药能治百病相同。但现在满天飞的“10 倍工程师”传言，开端让我有点坐不住了。会不会我错了？假如我不立刻学会用 AI，是不是就会被年代筛选，找不到作业了？究竟现在网上说的“AI”和我之前了解的彻底不相同。

他们用的是那种 Agentic AI——能自己上网查资料、跑测验、纠正过错的“会考虑”的模型。当然，我偶然会打开聊天窗口，让 AI 写点代码，然后拿到创意就丢掉大部分内容。但这些人是让 Claude 这类东西全权控制，有智能署理帮他们一起搞五个兼并恳求，自己还悠闲地喝早咖啡。

所以，我是不是快成了个“灭绝的恐龙了”？

让我焦虑的部分原因，是我觉得 AI 或许现已悄然晋级了，而我却彻底没注意到——究竟我用 AI 的次数很少，也不怎样喜爱用它。究竟我不太喜爱检查 AI 生成的代码，那会不会正是我对编程的朴实酷爱，让我或许被落下了呢？

试着上手

总算有一天，我不由得深化体会一下 AI 编程究竟怎样样，所以就去试了 Claude Code、Cursor、Roo Code 和 Zed 这些声称有智能署理的东西。

我测验了不同模型，让 AI 写了各种项目的代码，还试着彻底不着手改代码，直接“气氛编程”。

成果呢……还行吧。

尽管咱们都在说 AI 现在前进神速，但我感觉和之前不同不大。实在地用起来，我发现 AI 拿手写些重复的模板代码，尤其是在 JavaScript 和 React 项目里。但它跟不上你代码库里的标准和东西，对 Terraform 这种言语支撑欠好，还会“错觉”出不存在的库，导致安全漏洞。

其次，就算给了 AI 很详细的提示文件，比方 CLAUDE.md，它仍然很难了解整个代码库的上下文。假如你用的库不是 StackOverflow 上最抢手的，它照样会写错，哪怕它通过智能署理查找过文档。有时智能署理会很聪明地帮你修正它自己弄坏的测验，但更多时分便是糟蹋时刻和核算资源，自己和自己折腾，失利了还没学到什么。

对我来说，AI 最适合写一次性的脚本，特别是那种我不想花时刻深化学原理的，比方写个定制的 ESLint 规矩。

那些说不现在用 AI 就会被甩得远远的“骇人听闻”彻底不靠谱。学着用 AI 编程其实不难。或许有人会说 AI 让编程简略到“连原始人都能用”，也有人说得有多杂乱需求专门的“提示工程师”。的确有些技巧要学，但都不难，也学得快。你会学会把使命拆成小块，防止 AI 在处理长上下文时溃散。像 Claude Code 这类东西还能帮你做点这事，尽管不总靠谱。你还得学会判别 AI 什么时分跑偏了，什么时分该自己着手。

一个靠谱的工程师，花几天时刻适度用用 AI 就能摸透这些。假如 AI 真像咱们说的立刻会翻几倍提高，那么现在学的技巧将来或许又要重来。

每次 AI 体现“差不多”，反而让我更焦虑，由于我找不到他人成功的“诀窍”。我觉得自己真不可，快被年代筛选了。直到后来，有些事帮我走出了低谷，比方这篇来自 Ludicity 的文章（https://ludic.mataroa.blog/blog/contra-ptaceks-terrible-article-on-ai/），正面辩驳了那些吹 AI 的言辞。我写这篇，便是想共享更多帮我脱节“AI 10 倍工程师滥竽充数综合症”的经历。

数学说理

先来说说“10 倍乃至 100 倍功率提高”的数学道理。

10 倍功率不是说写的代码行数变成 10 倍，而是说产出变成 10 倍。也便是说，曩昔一个季度才干完结的作业，现在一周半就能完结。这数据听起来连最信 AI 的人也该犹疑了。由于传统上，这 3 个月的作业里包含了产品构思、需求洽谈、修正 bug、代码检查、等候上线、测验和质量保证。要在 7 个作业日内完结，意味着这些环节每一项都得提高 10 倍功率。

任安在公司写过实践代码的软件工程师都知道，这底子不或许。3个月代码检查的来回交流，压缩成 1.5 周？不实践。代码检查流程通常是这样的：

• 你@检查人
• 期望对方尽快看（但他们现在要检查的代码量或许是曾经的 10 倍）
• 等候期间切换去做其他事
• 收到告知（或许立刻，也或许对方下班 2 小时后才看到）
• 回头看检查定见
• 回复并修正
• 如此重复

在一家具有老练团队且有杰出协作流程的优异公司里，这一个进王朝黎明无删减程或许会高效一些，但你要告知我，功率提高 10 倍还能敷衍 10 倍作业量？这必定办不到。

实践的企业里，实在的软件开发中触及的人际和流程环节至今仍然没怎样变。产品司理或许用  ChatGPT 做“调研”，但他们不或许忽然发生 10 倍多的、通过充沛点评和规划的需求。也不或许一次做 10 场用户访谈。规划师和测验同理。招 10 倍多的产品司理来跟上底子没门，人数多了反而功率递减，还会带来官僚主义。

就算假定只需写代码的进程变快 10 倍，咱们也该坚持置疑。写代码时，实在按键盘的时刻有多少？通常远没你想的多。大部分名贵的编程时刻其实是阅览、考虑，或许等编译、改写页面、跑测验。大言语模型（LLM）可不会让编译器跑得更快。

并且 LLM 生成的代码常常有过错、虚伪内容，或许达不到你代码库的标准。代码库越大，过错越频频。遇到这种状况你得从头给 AI 下提示，或许立刻修好，也或许糟蹋许多时刻。你也能够自己改代码，但那你就又成了一般工程师，功率便是 1 倍。假如你现已习惯了“随意用用”AI，乃至不看它生成的代码，等项目变大后必定会“受阻”，问题来了——你代码里彻底没标准、没规划，彻底凌乱。

我觉得许多人没意识到 10 倍提高究竟有多夸张。10 倍功率不同，就像你开着面包车和开着打破纪录的超音速陆地赛车去上班。想想看，600 英里/小时的车在城市大街开 10 分钟能快多少？不可，由于红灯一停就耗光你的时刻。一级方程式赛车在杂乱弯道也得减速到面包车的速度。大多数时刻，作业做得无法全速冲刺。

100 倍功率就更荒唐了，那是两天做完曩昔一整年的作业，底子不需求我多说。

真有 10x 工程师吗？

我不太想直接参与这个争辩，但也不得不说说我的观点——偶然有。

我遇到过那些比他人功率高 10 倍的工程师，但他们首要是由于能防止无谓的作业。比方劝产品司理抛弃底子不实践的需求；阻挠他人做不用要的微服务；做开发体会方面的改善，让咱们每个使命都节约一点时刻；写好文档让后来的工程师能快上手。这些集腋成裘，的确能让一个工程师在整个公司节约 10 倍于他自己开发时刻的工时。

但这种时机不会一向有。每个人总得写功用，一个牛人或许比新人快一倍，但瓶颈仍是那些。尽管需求点数（story points）不完美，我从没见过谁持续做出他人 10 倍数量的故事点。

值得注意的是，AI 编码帮手对削减无用作业奉献不大。相反，AI 有时反而让人更烦躁，写得太快，做了不少剩余功用。我问它架构问题时，它常常引荐一些我睡醒后或许跟牛人聊完才觉得没必要的计划。假定其他条件都相同，写代码快的人的确是好工程师，但这并不是让功率翻 10 倍的要害。越是拼命寻求快，越简单忽视那些实在节约时刻的点。

他们那些吹 AI 的人是在骗人吗？

我觉得那些吹 AI 的人大致分几类，按歹意程度从低到高排：

好意但没看清实践的人，自己和他人都过渡的点评了 AI 的潜力

跟 AI 成功严密相关的人，比方 AI 创业者、出资人等

管理层为了让工程师不换岗、不离任、不涨薪酬，成心让他们觉得压力山大

数学不太好的好意工程师

就我经历来看，AI 真的能带来偶然时刻短的 10 倍乃至 100 倍功率提高。比方我让 AI 在几分钟内写出一个自定义 ESLint 规矩，而曾经得花几个小时查文档、看教程，那的确省了不少时刻。刚开端用 AI 这种新玩意，许多非专业写代码的人都会觉得特别奇特。

问题是，这种功率提高是“爆发式”的，不能持续。比方我一年最多写一个 ESLint 规矩。这种突发的功率提高，是由于我底子不关心这段代码，也不计划让未来的工程师看得懂。假如写 ESLint 规矩成了日常作业，我必定会花时刻去学它的内部原理。那之后，用 AI 随意写和自己写的时刻不同就不大了，尤其是还得花额定时刻把代码写得标准，便利半年后自己回来看。

终究，一切“随意写代码”的人都会遇到瓶颈。网站被黑了，得仔细学安全；项目太大了，AI 看不全上下文，代码变得杂乱无章；所以实在在行的前端工程师被请来做标准和规划。

别的，有许多成见和盲点会让人误以为功率大幅提高。假如你从大公司跳去创业公司，必定会觉得创业公司的工程师功率高得惊人，很简单归功于 AI。许多人喜爱 AI 带来的新鲜感，刚玩新技能时总觉得自己功率倍增。我第一次用 Python 也有“喝了火箭燃料”的感觉，但终究仍是回归实践。

我觉得许多吹 AI 的“10 倍功率”其实来自“蜜月期”的人，或许底子没实在算过这 10 倍究竟是啥意思。我不惊奇 AI 让工程师某些使命快个 20%-50%，但软件开发的瓶颈决议了这不会带来全体 20% 的提高，更甭说 10 倍了。

鼓舞很重要

我不是“黑” AI 创业公司。假如你想把 OpenAI 接入医疗职业，我会忧虑危险，但这和一切想“快速试错、打破常规”的医疗创业公司相同。我说的不是 AI 创业者或出资人是坏人，仅仅想提示一句高中经济学教师的老话：“鼓舞机制很重要。”

假如你开 AI 创业公司，同行都在跟出资人吹说 AI 带来 10 倍功率，你天然得这么说。公司靠 A王朝黎明无删减I 发家，卖 AI 是你的命脉。作为工程师，假如老板问：

“AI 让你功率提高 10 倍了吧，咱们都是这样。”

你必定被鼓舞说“是”，咱们都这么说，老板不是骗你，仅仅在转述他听到的话。

我想告知跟我相同焦虑的人，这事不新鲜。CEO 从灵敏开发到性情测验啥都说能带来无限生产力，LinkedIn 上总有各种盛行词别太上心。爽性别刷 LinkedIn，挺无聊的。

歹意层面

让人焦虑的言语，有时分便是成心的。老板让工程师觉得岗位不稳，这招老早就有。咱们还记得那种说法吗：3 个月的训练班能培养出 4 年大学水平的工程师，否则你就会被转行的文科生代替。几年后咱们才发现，这些训练班毕业生底子没准备好干实在的软件作业。

训练班和 AI 仅仅很多不靠谱的“会把高级工程师变成商品化劳动力”的说法里的两个比方。它们是用来制作不安全感的。老板不能真的用 AI 代替你，但能够让你觉得他能，趁便不让你涨薪酬。

所以，一部分“10 倍 AI 工程师”的故事，很或许是有人想让你焦虑，详细多少我不知道。尽管现在咱们相互不太信赖，我仍是信赖大多数人本质上是仁慈的，不会这么阴恶。

信息传递的层层别离

我注意到，一切那些夸张 AI 生产力的人，根本都跟实践提高功率的人隔了几层。发帖的往往是创业者、司理或出资人，拿他人的生产力说事。引证二手信息没错，但无法找到第一手资料时，你得置疑它的可靠性。

实在的工程师们展现用 AI 提高功率的事例，往往愈加实践，点评也比较低沉。他们说的 AI，跟咱们之前了解的差不多，便是个能偶然帮你写点东西但大多数时分还得自己盯着的文本生成器。

开源项目里用 AI 编码，咱们揭露看得到，成果一团糟还挺好笑。我也从几个 YouTube 视频里学了怎样更好用 AI。趁便说一句，这些工程师都没找到什么“代码生产力的灵丹妙药”。

功率没那么重要，高兴才要害

就算我不再信赖有那个“10 倍工程师”的隐秘派系，我仍是觉得用 AI 编码没什么意思。随意写代码没了奇特感后很无聊。看 AI 生成的代码更厌烦。让它用“不会胡编乱造的库”很费力。但即使如此，假如用 AI 编码能让我功率提高20%，那我还应该坚持“传统”写法吗？

不用。

为了高兴抛弃点功率彻底能够，乃至很必要。逼迫自己用厌烦的方法干活只会让你累垮。写代码仅仅作业一部分，更多时刻花在解决问题、规划体系、考虑笼统、和人交流。你心情好，这些都能做得更好。为自己的作业感到骄傲，享用其间，长时间看对代码库有优点。

数字音乐是不是比黑胶好听无所谓。切换下一首是不是比手动翻唱片快 100 倍也无所谓。假如听 70 年前的唱片让你高兴，那就听它吧。你会听更多音乐。写代码也是相同，选你喜爱的方法，你会写更多、更好。

反过来，假如你觉得用 AI 编码爽，那就持续用。能激起你比以往更投入，那太棒了。我期望咱们都能找到让自己高兴的路，不管怎样做。

怎么做一个好的 AI 领导者

让团队工程师一向处于严重焦虑的状态下，只会害了公司自己。他们会不想干，离任率高。这种做法只会导致工程师寻求那些看起来目标好的“坏”行为，比方拼命写代码，疏忽代码检查，技能债款越来越多。终究公司早晚有一天会要为这些过错买单。

不切实践的 10 倍功率提高的等待，只会让作业以及项目完毕得匆忙且草率。工程师需求空间，有时刻把作业做好。优异的代码库和公司，是在统筹眼前和久远的考虑中建立起来的。我很幸亏现在能在这样公司作业，但不是一切人都这么走运。

别由于工程师用的“token”不行多就训他们。软件工程师是高学历的专业人才，职业竞赛剧烈。他们现已很拿手不断测验新东西又很快抛弃的循环了。你花这么多钱雇他们，就得信赖他们。假如真有超级功率东西，他们会自动来找你晋级专业版。作为管理层，你要是怕错失 AI 盈利，那就爽性组个 LLM 团队，然后搞个训练，看看作用就行。

总结

世上没有什么奇特灵药，只需跟对 Facebook 群就能治百病。AI 编码革新也不是你随意用用就能碰到的。你没落下什么，别置疑自己，你够好的。

还有，别刷 LinkedIn，也别刷 Twitter。

原文链接：https://colton.dev/blog/curing-your-ai-10x-engineer-imposter-syndrome/

本文来自微信大众号“CSDN”，作者：Colton Voege；责编：苏宓，36氪经授权发布。