AI编程隐患：当团队没人能解释代码时，软件工程的中产阶级正在消失

一句话看懂

AI 辅助编程让开发者越来越依赖模型生成代码，但没人真正理解系统，软件工程的中层岗位正在被侵蚀。

Florian Herrengt 在博客里写了一个让人后背发凉的场景：用户报了一个奇怪的 bug，团队已经第四次尝试修复——准确说，是第四次让 AI 来修。结果连 Fable 这个 AI 工具也搞不定。

开发者去找当初写这个功能的人，问数据从哪来，对方挠挠头：“嗯……其实我也不清楚，让我问问 Claude。”两个人并排坐着，盯着屏幕上滚动的文字流，谁也不知道这些内容靠不靠谱，但 Claude 看起来底气十足。

Herrengt 总结说，这个项目已经乱成一团，服务套服务、依赖叠依赖，团队里没人能真正搞明白发生了什么。他把这叫做“认知债务”（cognitive debt）的极端体现——AI 生成的代码越堆越多，人的理解力却完全跟不上。

博客标题叫“AI is removing the middle class of software engineering”，直指 AI 正在干掉软件工程的中产阶级：那些负责理解、调试、维护系统的中级工程师。初级工程师靠 AI 写代码，高级工程师管架构，但中间那层“懂系统怎么运作”的人正在消失。

这个现象对中文开发者来说并不陌生。国内团队同样大量使用 GitHub Copilot、通义灵码、CodeGeeX 等 AI 编程工具，但很少有人聊“代码所有权”的问题。AI 生成一段代码，出了问题谁来负责？如果团队里没人能解释这段代码的逻辑，那它跟“屎山”有什么区别？

更现实的是，国内很多公司追求快速迭代，AI 编程工具正好迎合了这种需求——代码产出速度上去了，但代码质量谁来兜底？Herrengt 说的“认知债务”在国内可能更严重，因为不少团队连基本的 code review 流程都不完善，更别提对 AI 生成代码做审查了。

另外，国产 AI 编程工具（比如通义灵码）在上下文理解上可能不如 Claude 或 GPT-4，但普及率很高。这意味着中文开发者可能更早撞上“AI 生成代码没人懂”的墙。与其盲目追 AI 辅助编程的效率，不如先搭一套“AI 代码审查”机制，确保每段 AI 生成的代码都有人能讲清楚。

Herrengt 用“第 4 次让 AI 修复 bug”来强调团队对 AI 的依赖已经成了惯性，而不是真正解决问题。
对话里开发者说“让我问问 Claude”，说明 AI 工具（比如 Claude）已经成了开发者的“外部大脑”，但没人验证它输出的真实性。
项目“层层叠叠的服务和依赖”导致没人能看清全貌，这是认知债务的典型表现。
原文标签包括 ai-misuse（AI 误用）、cognitive-debt（认知债务）、ai-assisted-programming（AI 辅助编程），这些概念值得中文开发者留意。
Simon Willison 转发了这篇博客，他在 AI 编程领域影响力不小，说明这个话题在英文技术圈已经热起来了。

AI 编程工具虽快，但别让团队变成“AI 代码的搬运工”，否则 bug 来了没人能接住。