当写代码变成刷题游戏：一位普通程序员的困局与突围

老周在某中型互联网公司做了八年后端开发，去年开始感觉自己的工作变味了。

不是变得更轻松，而是变得更奇怪。以前写代码像做手术，每一行都要反复推敲；现在写代码像打地鼠，刚处理完一个需求，下一个需求已经堆到眼前。

这种转变的源头，是团队引入了AI编程助手。

效率的幻觉

老周记得很清楚，工具上线后的第一个月，他们小组的代码产出翻了三倍。领导在周会上专门表扬了这件事，还给大家发了红包庆功。

但问题也接踵而至。三个月后，老周发现自己很难完整描述某段代码的运行逻辑。那是AI生成的，逻辑上没问题，但为什么要这样写，他说不清楚。

更让他不安的是审查压力。代码产出翻了三倍，审查人力却没变。堆积的代码像一座小山，越积越高，而老周每天的工作变成了在代码堆里疲于奔命。

Meta的故事

老周后来在网上看到了Meta的故事，觉得既熟悉又荒诞。

熟悉的是那种氛围——为了证明自己的价值，大家都在努力表现。荒诞的是他们的解法：既然代码产出无法衡量，那就比谁消耗的算力更多。

Meta内部有个排行榜，实时显示每个员工的AI使用量。为了冲上排行榜，员工们开始各显神通。明明两句提示词能解决的问题，偏要来回拉扯十几个回合；有人甚至让AI在后台空转数小时，只为了刷出更高的数据。

老周想到自己团队里的同事小李。小李最近变得特别积极，每天都在工位上跟AI对话，键盘敲得噼里啪啦响。产出确实很高，但老周看过他生成的代码——有些逻辑明显可以合并，他却拆成了十几个函数。

危险的捷径

安全专家乔·沙利文提到了一个让他担心的新趋势：为了追求更快的速度，大量工程师把公司源码下载到个人设备上运行。这种操作在半年前是不可想象的，但现在成了某种潜规则。

老周想想都觉得后怕。他们组的代码库里存着几百万用户的数据，如果出点什么问题，后果不堪设想。

开源项目Tldraw的创始人史蒂夫·鲁伊斯的遭遇更让他感同身受。那个项目被无数机器人提交攻陷，他不得不关闭了外部提交权限来保护项目。老周想起自己维护的一个小工具，几个月前也遭遇了类似的困扰，那些提交看起来很专业，但逻辑完全对不上。

寻找出路

转折点出现在一次技术分享会上。有人提到Cursor收购Graphite的消息，这家公司专门做代码审查机器人，帮助工程师优先处理最需要关注的部分。

老周开始思考，与其在内卷中消耗，不如找到自己的不可替代性。他开始系统性地学习代码架构设计，尝试理解AI生成代码背后的逻辑，而不是简单地接受结果。

他发现，当自己能够解释AI生成的每一行代码时，代码质量确实在提升。虽然产出速度可能不如那些疯狂刷数据的人，但出问题的概率低了很多。

给同行的话

老周现在的状态比之前好很多。他不再执着于产出数量，而是关注代码的可解释性和可维护性。他发现，在这个AI横行的时代，真正稀缺的不是会写代码的人，而是能看懂代码、能把控系统底线的人。

如果你也在经历类似的困惑，不妨停下来想一想：AI是工具，不是目的。别在追求效率的路上丢掉了自己最核心的价值。

那句话怎么说来着——当代码变成不需要理解的消耗品，当程序员变成刷指标的数字劳工，这场技术革命留下的可能只有一地鸡毛。

但也无需过度悲观。潮水退去，总会有人站稳脚跟。关键是，你要成为那个人。