这一年，我几乎每天都在和 AI 一起写代码。
从最初的惊艳，到现在的冷静，我越来越确定一件事：
AI 编码最大的风险，从来不是它写错代码，而是人把判断权交了出去。
AI 很强，但它并不负责后果。
一、AI 写得很快，但"理解"并不等于"正确"
第一次用 AI 写业务代码时，我是兴奋的。
需求一丢，代码几秒钟就出来，看起来结构清晰、命名规范、甚至还有注释。
但真正上线前，我才发现：
它理解的是"文字"，不是"业务"。
它不知道哪些字段不能为空
不知道这个接口在历史上踩过什么坑
不知道某个"看似多余"的逻辑，是为了兜底线上事故
AI 能模拟经验，却没有经历。
所以后来我给自己定了一个原则：
只要是业务逻辑，AI 写的是"草稿"，不是答案。
二、AI 很自信，但它不会告诉你"不确定"
AI 最大的迷惑性在于：
它说得永远很笃定。
即便某个方法根本不存在
即便某个 API 参数顺序是错的
即便它是在"猜"
它也会用一种"专业语气"写出来。
这让我踩过不止一次坑。
后来我才意识到：
AI 的自信，不来自事实，而来自概率。
于是我开始反过来要求它：
- 如果不确定，必须明确说明
- 先列出假设，再给代码
- 给我"为什么这么写"，而不是只给结果
从那之后，AI 才真正变成了助手，而不是"骗子型同事"。
三、AI 会帮你写代码，但不会帮你负责
这是我用 AI 最大的分水岭。
当代码出问题时：
- 不是 AI 上线的
- 不是 AI 接电话的
- 不是 AI 被追责的
最终负责的人，永远是你。
如果你看不懂它写的代码
如果你无法解释这段逻辑
那这不是"高效"，而是"风险外包失败"。
我后来要求自己：
凡是我合并的代码，必须是我能手写出来的。
AI 只能加速我已经理解的事情，
而不能替代我本该拥有的判断力。
四、最危险的不是 AI 写错，而是人不再思考
有一段时间，我明显感觉到自己在"退化"：
- 不再先设计方案
- 不再画流程
- 不再思考边界条件
而是习惯性地问一句：
"AI，你帮我写一下。"
这不是效率，这是依赖。
后来我刻意调整使用方式：
- 先自己想清楚方案
- 再让 AI 实现
- 最后反过来让 AI 挑我方案的毛病
这个顺序一改，我反而用 AI 用得更稳、更快。
五、AI 更像放大器，而不是方向盘
现在回头看，AI 编码真正的价值，不是"替人写代码"，而是：
- 放大一个有经验的人
- 加速一个有判断力的人
- 暴露一个没想清楚的问题
它不会让糟糕的工程师变好，
只会让混乱更快发生。
写在最后
如果一定要用一句话总结我对 AI 编码的态度，那就是：
AI 可以参与编码，但不能参与决策。
你可以让它快
但方向必须你来定
风险必须你来扛
责任必须你来背
真正成熟的 AI 编码，不是"人被替代"，
而是人变得更清醒。