为什么用AI写代码，我反而感觉越来越累了？

为什么用AI写代码之后，人反而越来越累了？同事们都反应，用了claude code 等AI agent写代码之后，工作反而越来越累了。

无论谁写的代码，最终都需要跑通，需要运行起来，简单的代码还好说，复杂的代码在写完经过测试人员开测之前，至少他们能跑起来，如果没有跑起来的话？其实这个工作量还是非常大的！

这就像让一个修马路的人成为马路即将通车的道路检察官，要保障万无一失，要保障不出错，于是他们需要仔细检查，遇见问题还需要人工修复，关键是他们并不一定能完全检查出问题，但还是需要检查，检查的时候还要全神贯注，还需要一丝不苟，非常耗费精气神！

检测的时候好比找茬游戏，需要眼睛要细致观察，需要不断的去发现存在的问题。

以前写代码是 “从 0 到 1 搭房子”，现在更像 “对着 AI 搭好的毛坯房，要拿着放大镜找所有松动的砖、没抹匀的灰，还要预判哪块墙可能塌”—— 这种 “看似有了半成品，却要为所有潜在漏洞兜底” 的责任压力，才是最累的。

我们从实际工作内容和时间精力分配来看。以前程序员可能 80% 的时间用来自己写代码，20% 时间调试。现在用 AI 后，写代码的时间可能压缩到 20%，但调试和验证的时间会飙升到 60% 以上。

而且以前调试的是自己写的代码，逻辑思路自己清楚，哪里容易出错心里有数。现在 AI 生成的代码，表面看功能实现了，但深层逻辑可能很绕，甚至有隐藏的性能问题或边界错误。你得先花时间理解 AI 的代码思路，再一步步排查，这个过程比调试自己的代码更耗神。

还有，AI 可能会自信地生成错误的解决方案，比如在处理特定数据格式或第三方库调用时，看似代码结构完整，实际参数传递有细微偏差。这种 “看起来对，实际不对” 的情况，比明显的语法错误更难发现，往往需要反复测试不同场景才能暴露。

我们把这个场景具体化。比如一个习惯用基础 Java 语法的程序员，AI 突然生成了一段用函数式编程思想写的复杂代码，还嵌套了多层设计模式。他首先得花 2-3 小时查资料、看文档，搞懂 AI 用的这些高级语法和设计思路，这个学习过程本身就消耗大量精力。

而如果 AI 生成的代码水平很低，比如用最基础的循环嵌套实现了一个本可以用现成算法库解决的功能，还存在大量冗余代码。程序员就得像改一篇逻辑混乱的作文一样，逐行梳理，删掉重复代码，替换低效逻辑，最后重构出来的代码可能和自己从头写一遍差不多，但还多了一步 “理解垃圾代码” 的过程。

更麻烦的是，AI 代码的质量可能忽高忽低。上一段还在用优雅的递归解决问题，下一段就犯了变量命名混乱的低级错误。这种质量的不稳定性，让程序员始终处于 “警惕模式”，没办法形成稳定的工作节奏，精神一直紧绷着。

AI 这玩意儿，你根本没法给它定个准谱。咱们人类干活，能力高低一眼就能看明白，可 AI 不是。它上一秒还能写出专家级的代码，下一秒又可能犯些入门级的低级错误。这种忽高忽低、完全没规律的表现，真的让跟它打交道的人特别崩溃。

这就像你组队打游戏，队友一会儿是职业选手水准，一会儿又像刚上手的新手，你永远不知道下一秒他会打出神操作还是送人头。这种不确定性让合作变得非常累，因为你没办法建立稳定的协作预期，只能时刻紧绷神经去兜底。

虽然AI号称有记忆，可以成长，但AI却会降智，会乱入，会对话突然和上下文没有关联完全失去记忆了，这些因素就会让我们用AI越来越累，不管是写代码，还有写文章等等方面都有这样的问题。

目前只能用一些 “土办法” 应对。比如每次和 AI 对话时，把核心需求、技术约束、已确定的框架这些关键信息，整理成固定的提示词模板，每次提问都带上，相当于强制给它 “复习重点”。

还有就是把大任务拆成小步骤，每一步只让 AI 处理单一功能模块，确认它输出的代码没问题后，再进行下一步。这样即使它中途 “降智”，影响范围也能控制在小模块里，不用全盘重来。

另外很多程序员会准备一个 “AI 错误案例库”，把之前遇到的 AI 低级错误、逻辑漏洞记录下来，下次让 AI 写代码前，先拿类似案例提醒它避开，有点像 “考前划易错点”。那如何控制这样的问题呢？

现在很多程序员都调侃，自己快成 “AI 行为管理专家” 了，每天一半时间写代码，一半时间研究怎么 “调教” AI 稳定输出。那你说这种情况，人能不累吗？对此大家是怎么看的，欢迎关注我“创业者李孟”和我一起交流！