上个月排期，我接了一个后台报表的需求：五个导出接口，一套字段权限，还要兼容两版历史数据结构。按以前的估法，这是我一周的活。实际动手是周四下午，AI 把 controller、DTO、分页查询和一半单测写完，周五下班前 PR 就提了。
省下来的时间我干了别的：跟运营确认“有效订单”算不算取消后重新下单的，翻了半天历史数据；又在灰度环境里改回一条把金额精度算错的聚合语句。这些事 AI 一件也没替我干。
AI 压缩的是哪一段工作
把一天拆开看，差别挺明显。
写新代码、写样板、拼 SQL、写正则、补单测、补注释和文档，这一段被压缩得最厉害，有的活从半天缩到二十分钟。
读别人的代码、定位线上问题、判断一次改动会波及到哪里，这一段没怎么变。代码总量上去以后，它反而更重了。
跟产品、运营、测试确认口径，对齐方案，评估上线风险，这一段完全没变。
上线之后出了问题，回滚、补数据、写复盘，这一段也没变。
被 AI 拿走的是工作里最像打字的那一部分。它拿得很干脆，剩下那几段一点没变短。
写代码变快以后，缺口出现在哪
第一个缺口是判断量。自己写的代码，每一行为什么这么写心里都有数；现在一天要 review 好几百行 AI 生成的东西，还得判断它哪里不对。AI 写的代码有个共同特点：命名规范、注释齐全、结构工整，看起来是对的。少一个空判断、事务里多一次远程调用、分页参数在某个边界上少算一条，这些都不会在编译期报错，只会在两周后变成一张工单。写得越快，这类东西堆得越多。
第二个缺口是排查。线程池打满、慢查询、内存缓慢上涨，AI 能给你一份标准得挑不出毛病的排查清单。但清单上哪一条是你这套系统里真实存在的那条，得看监控、看日志、顺着调用链一层层往上找。它没有你的线上环境，也不知道你们上周刚改过哪个配置。
第三个缺口在需求上。丢给它一句“给用户加个积分”，它能还你一套像模像样的积分系统：发放、扣减、过期、等级。但积分能不能转让、退款时扣不扣回来，这些没人回答过，它也不问，直接替你选了一个。
哪些能力反而更值钱
把模糊需求变成可验证的验收标准。 含糊的需求配上高速生成，等于快速跑偏。能把“做成什么样才算对”写成几条能测的条件的人，价值在涨。
读代码和调试。 会用 AI 的人不缺代码，缺的是知道这一堆代码该从哪下手、改完会不会碰坏别的。
对边界的判断。 数据口径、状态机、并发和一致性、幂等、权限，这些地方出错的代价最高，也最需要有人兜底。
验证 AI 的产出。 会写测试、会造边界数据、会看日志和监控。自己验证不了的东西，别让它直接上生产。
表达和协作。 把方案讲清楚，说服别人不做某个改动，这一类事一直没被替代。
具体可以怎么调整
几件不建议做的事
为了用 AI 把测试砍掉。测试是唯一能让你确认“它没写错”的东西，砍掉它，等于把判断权全交出去。
以为学会某个新框架就安全了。框架层面的门槛本来就在被工具抹平，今天会写和明天会写，中间的差价比以前小得多。
把大段生成的代码不看完就提交。看得懂自己提交的每一行，这条底线在 AI 时代只会更值钱，不会更便宜。
说几句限制
不同方向被冲击的速度不一样。CRUD 后台、切图、写脚本、造测试数据最快；驱动、嵌入式、依赖硬件和现场知识的方向慢不少。
也别把“会用 AI”本身当护城河。工具半年换一茬，今天很熟练的用法，明年可能就是一个按钮。
上面都是我自己的观察，不是预测，也没有数据支撑，说得不一定对。
我打算下周把那套报表的历史数据链路整理成一页文档，顺手把几个一直没写的边界用例补上。AI 写得比我快，但哪些用例该补，它不会告诉我。
