大厂程序员自述：半年AI编程后，如何重拾Laravel API开发核心技能 | 深度复盘与实战指南
技术社区的敏锐观察者可能已经注意到一个日益清晰的信号：关于AI编程助手导致开发者能力退化的讨论，已从零散的抱怨演变为一种结构性焦虑。这里的“退化”并非指记忆几个API的差异，而是指向更深层的危机——思维惰性的滋生、批判性思考的弱化，以及在复杂系统故障面前日益增长的无力感。
这或许听起来有些极端？但在Reddit、Hacker News乃至各大科技公司的内部论坛上，类似的担忧已汇聚成一股值得严肃对待的声浪。
与此形成鲜明对比的是科技巨头高管的公开叙事。Google声称其75%的新代码由AI生成；微软CEO萨提亚·纳德拉透露内部这一比例已达30%，而公司CTO更预测到2030年，95%的代码将由AI完成；Meta的马克·扎克伯格则认为，未来18个月内，用于改进AI系统的大部分代码将由AI自身编写。即便是Anthropic这样的AI公司也报告，其团队90%的代码产出依赖于AI。
一线开发者的切身体验与管理层的乐观宣言，仿佛描绘着两个截然不同的现实。那么，真实的图景究竟更贴近哪一端？
“非自愿的采用：绩效压力下的工具使用”
首先，一个常被忽略的关键事实是：在高管们宣扬“AI全面渗透”的背后，一线程序员的使用动力究竟来自哪里？
外媒404 Media近期采访了多位来自不同公司的开发者，得到了一个高度一致的答案：他们对AI工具的使用，很大程度上源于自上而下的压力，而非自主选择。
一位就职于某家频繁宣扬AI代码占比的科技巨头（FAANG级别）的软件工程师透露：“使用AI几乎成为强制要求，它被明确纳入绩效评估体系。我们多数人被编入所谓的‘AI优先小组’，遇到任何技术问题，第一反应都被要求‘先咨询AI’。各种AI工具被批量部署，几乎避无可避。”
一位UX设计师的补充更为直接：“我们的绩效评估与AI工具使用率直接挂钩，这导致许多同事只是在执行‘表演性使用’——大家心知肚明输出质量可能不稳定，但这并非关键，重要的是展现出‘积极拥抱’的姿态。”
这种“为用而用”的模式带来了直接后果：代码质量常常被搁置，技术债务却加速累积。这位设计师给出了一个形象的比喻：“我们正在构建一个如同迷宫般错综复杂的技术债巢穴。未来一旦这些模型服务成本攀升或变得不可及，这堆代码就将成为无法理清的历史包袱。”
AI生成代码：效率陷阱与审查负担
如果说“被迫使用”涉及动机问题，那么真正令开发者感到挫败的，是AI在实际工作中非但未能提升效率，反而引入了新的负担。
一位来自小型网页设计公司的开发者描述了他的日常：“AI生成的代码往往隐藏着更多缺陷。我负责的分布式Web应用涉及多系统复杂交互，让大语言模型准确理解完整上下文本身就极具挑战。更棘手的是，我的同事使用AI生成了大量代码，每次提交给我审查的拉取请求都长达上千行，我需要投入巨大精力进行逐行检查。在‘构思提示词、生成代码、审查AI输出’之间不断切换，产生了巨大的认知负荷，感觉比以往任何时候都更疲惫。这并非生产力提升，而是一场导向职业倦怠的加速跑。”
一位金融科技公司的开发者指出了另一个维度的问题：AI生成的代码量过于庞大，开发者根本无力进行全面审查。“AI代码如洪水般涌来，你无法做到事无巨细。要么选择全部亲自重写，要么只能冒险提交，然后陷入焦虑——万一其中存在严重缺陷被人发现，处境将十分尴尬。更糟糕的情况是，你提交了却无人深究，那么结果就只能听天由命了。”
这位开发者甚至遭遇过一个更荒诞的场景：“有一次我在Claude Code中用尽了token额度，导致工作流程直接中断。当时我正在修复的一个关键bug尚未完成，竟因为token耗尽而被迫停止——显然，我对AI的依赖已经到了令自己警觉的程度。”
“过度依赖导致的技能退化与认知萎缩”
根据404 Media的报道，所有受访者都承认，AI在少数特定场景下确实具备价值：例如快速原型验证、探索陌生技术栈，或是作为增强型信息检索接口（比如追踪请求链路、归纳日志、定位文档）。然而，所有人也一致认同一个更令人不安的观察：
对AI编写代码的依赖越深，自身原有的核心编程能力就退化得越显著。
这种现象在认知科学中可被归类为“认知外包”或“技能萎缩”。简而言之，当你将一部分核心思考任务持续委托给AI后，你独立完成这部分工作的能力也在同步流失。
为了阐明这一现象，一位金融科技开发者用通讯录演变作了类比：“就像智能手机普及后，我们不再记忆电话号码。但现在，这种‘外包’延伸到了‘思考过程’本身。我感到自己的批判性思维、深度推理和系统设计能力都在减弱，因为那个‘看似全能’的大模型随时待命。起初我只将其视为灵感辅助工具，但最终它成了我几乎所有想法的源头。它提供了生产力和专业性的幻觉，但归根结底，你与自己产出成果之间的深层连接，反而被削弱了。”
最令人警觉的是，有人已经出现了明显的“技能失忆”症状。那位小型网页设计公司的开发者回忆道：“有一次，我竟然忘记了如何实现一个基础的Lara vel API，那一刻感到脊背发凉。这是我的专业领域，拥有多年的软件工程经验，那一瞬间却感觉自己仿佛回到了初学编程的起点。”
效率叙事背后：裁员理由与真实生产力脱节
既然如此，为何科技公司的高管们仍在不断强调“AI带来了巨大的效率提升”？一个现实的推测是：这套叙事可能正在为大规模的组织结构调整提供理由。
最近几个月，Meta宣布裁减约10%的员工（约8000人）；微软向其美国员工中约7%的人员提供了自愿离职方案（约12.5万人）；Snapchat裁掉了约16%的全职员工（约1000人）……这些裁员行动大多被归因于“AI提升了效率，优化了人力需求”。
然而，开发者们的实际体验却与这套效率叙事严重脱节。AI既没有催生更多创新产品，也未能显著缩短开发周期或提升代码质量——它带来的，更多是难以维护的代码库，以及一群日益疲惫、信心动摇的程序员。
资深开发者与行业新人的不同未来
面对未来，受访者们表现出一种复杂且审慎的“乐观”。
一方面，他们普遍认为大语言模型将继续存在，并将在未来的编程工作流中占据一席之地；另一方面，他们担忧当前这种“管理层盲目推动、强制全员采用”的模式，会对整个行业，尤其是新入行的开发者，造成持久性伤害。
“如果几年后这个行业仍有岗位存续，经验丰富的资深开发者或许还能凭借深厚积淀适应变化，但我真正担忧的是那些刚入行的新人，”一位UX设计师指出，“我们现在招聘的初级程序员，连完成基础任务都高度依赖AI。他们缺乏必要的知识体系和经验来有效判断AI输出的代码是否存在逻辑缺陷或性能瓶颈。”
一位FAANG的工程师则预测：“我的直觉是，无论是从经济成本还是技术债务的角度评估，当前这种开发模式都难以持续。我们团队内部明显分化为两个阵营：一派是真心认可并整合AI辅助编程，另一派只是机械执行公司指令。我发现，那些每日沉浸于代码细节、乐于深入技术本质的同事，通常对AI都保持着更冷静的态度。你对AI的输出审视得越严格，就越容易发现其局限与谬误。”
当然，AI辅助编程本身并非根本问题。但当它被异化为绩效考核的指标、人员优化的借口，乃至替代扎实技术成长的捷径时，其带来的长期后果，可能远比我们当下预估的更为严峻。
话说回来，如果你最近也感到自己的“技术直觉”有所钝化，不妨有意识地暂时脱离AI，亲手编写一些代码——目的并非追求即时效率，而是为了重新确认：那个能够独立分析、严谨推理、并从错误中学习的你，才是技术演进中真正不可替代的核心。