有了 AI 编程，代码生成的效率提升百倍，但问题也随之而来：
- AI 产出的海量代码，如何把控质量？
- 程序员不再手写代码后，工作方式要如何重塑？
- 我们又应该怎样与 AI 高效协作？
Simon Willison，Django 框架的核心作者之一，开源工具 Datasette 的创建者，无疑是回答这些问题的最佳人选之一。近年来，他持续追踪并评测各大前沿模型，并通过博客 Simon Willison’s Weblog 持续分享自己的 AI 探索历程与技术观察，在开发者社区具有广泛的影响力。
最近 Simon 做客 Lenny's Podcast （Lenny Rachitsky 主持的知名播客），深入聊了 AI 编程对程序员工作的冲击和应对心法。我梳理了其中的精华，相信能给你带来启发。
拐点已至 ( The November Inflection Point ) ，编程方式彻底改变
Simon 介绍，大模型的能力一直在提升，但之前还不够好，模型写的代码你还得盯着。直到去年 11 月份， GPT 5.1 和 Claude Opus 4.5 的推出，标志着模型越过了拐点，现在模型在大部分时候能够生成直接可用的代码，引发了编码模式的根本性变革。
我也发现很多大神都说最近几个月没有手写代码了，Simon 说现在自己 95% 的代码都是由 AI 生成，很多时候甚至是通过手机发送指令让 AI 写代码。
未来的“黑灯工厂”( Dark Factory ) 模式
由 AI 生成代码，软件行业的未来会是什么样呢？
Simon 设想未来软件行业是“黑灯工厂”( Dark Factory ) 模式，即公司里面所有代码都由 AI 生成。黑灯工厂是来自制造业的名词，就是全自动化生产的工厂，因为车间没有人类员工，所以无需开灯照明。
他举了一个“黑灯工厂”的例子：StrongDM 公司。从去年 8 月开始，这家公司禁止员工手动编写代码，必须全部由 AI 生成代码。
那么问题来了：AI 生成代码的速度极快，人工代码审查 ( Code Review ) 根本看不过来，会成为新的瓶颈。
如果取消人工 Code Review 环节，那又要如何保证代码质量呢？
StrongDM 公司的方法就是：加入测试，测试也是用 AI 生成。值得一提的是，他们用 AI 来构建仿真的环境，例如让 AI 读取 Slack 的 API 文档，模拟出一个 Slack 界面，接着 AI 模拟用户的操作来测试代码。
工作方式的颠覆：手机编程、并行 Agents 与精疲力尽的上午 10 点
Simon 提到，现在程序员的工作方式也发生了变化。以前，程序员编写代码时需要专注，把不被打扰的几个小时用于思考和编写代码。现在，因为 AI 承担了编写代码的工作，他发现自己的时间变得可以被打扰。只要有几分钟空闲时间，他就能通过手机端发出指令，让 AI 编写代码。
另一方面，同时开启几个 Agents 并行工作，看起来轻松了，其实大脑很累。他到了上午 10 点就感觉精疲力尽，因为要思考这些任务安排，认知负担加重。
Simon 说，他看到很多人因为要给 Agents 排满任务而不眠不休，希望这只是短暂的现象。我们也需要认识自己的能力边界，不要把自己搞得很疲惫。
看到这里，我很奇怪，为什么把编程迁移到手机上，就带上了手机社交媒体 APP 的特性呢？碎片化编程，让人上瘾。你是否有这样的感受呢？
AI 写代码带来的好处是能够很快构建原型 ( prototype )。以前，你写了产品的需求文档之后，工程团队需要两三周构建原型。现在，借助 AI 可能两三个小时就完成了，所以能够更快验证你的想法。很多时候一开始的想法不一定对，需要修改迭代， AI 正好可以加速这个过程。
效率提高了，是不是更有成就感呢？
很有意思的是，Simon说，正是因为用 AI 写项目的时间太快了，例如一个小时就写出一个Python 库，反而导致他对生成的软件并不是那么有信心，因为感觉自己没有花时间去打磨。他觉得软件的使用量，比如开发者自己是否在用这个软件，也是软件质量的重要衡量指标。AI 生成代码让他的很多想法点子都马上付诸实现、有了成品，然而写完之后就搁置一旁、没有使用。
对不同层次程序员的影响
AI 对不同层次的程序员影响也不同。对于高级程序员来说，AI 能够放大过去的经验和技能。例如， Simon 说他自己累积的技能就能够用在更精准地提出需求和指令上面。对于初级程序员，AI 可以帮他们度过新手期、更快上手工作。
中级程序员反而是最难的：已经度过了新手期，但又没有足够深厚的经验积累。
对于这些程序员，Simon 有什么建议呢？
他说很多人担心用了 AI 会导致技能的退化，其实倒不如反向思考 如何用 AI 帮助你放大自己的技能、更快学习新技能。在 AI 的辅助下，你有信心去探索更多新事物、挑战新项目。 以前你觉得做这些事情需要专业知识，要花时间去学习，没敢尝试，然而现在 AI 可以帮你快速度过新手期。 Simon 举例说他以前一直没用过 AppleScript，因为一想到需要花两三个月的时间来学习他就退缩了。但是他现在已经用了两年了！因为有 ChatGPT 的帮助，他可以快速上手使用。此外，他还通过 Claude 提供的菜谱来学习做饭，提升自己的厨艺。
如何用好 AI 编程？Simon Willison 的 Agentic Engineering 指南
Simon 说，如果你编写的软件代码只是自己使用，那可以 Vibe Coding（氛围编程），代码好坏都没事。但如果你要让别人使用，出现问题可能会给别人带来损失或不便，那就应该有一套方法规程来编写合格的软件。Simon 把这个称为 Agentic Engineering。有 AI 助力之后，我们应该编写出更好的代码。就是说，不仅在编码速度和数量上提高，在代码质量上也应该提高。
Simon 正在写一本 Agentic Engineering 的指南 Agentic Engineering Patterns，在他的博客以连载的方式发表。感兴趣的朋友请看这个链接： Agentic Engineering Patterns - Simon Willison's Weblog。
Simon 特别指出，这个指南看起来是讲如何用 AI Agent 写好代码，其实讲的是软件工程，对于程序员的工作同样适用。
在播客访谈中，他重点介绍了其中的三项原则：
一、“囤”（hoard）你做过的项目代码，笔记。
Simon 说，你职业生涯中最有价值的部分是你的经验和知识，就是你验证过哪些技术可以解决哪些问题，哪些技术不可行，这些都可以应用于解决新问题上。
现在有了 AI ，可以更快地积累这些经验，比如让 AI 去写代码做试验，去生成小项目。
Lenny 追问：你是怎么用这些积攒的代码和笔记呢？用 AI 搜索，还是经常手动翻阅？
Simon 说两者兼有。有时将过往项目经验交叉融合，也许就是新项目的解决方案。他举了一个例子，他以前写过在浏览器打开PDF 并显示的代码，也写过用 OCR 从图片识别文本的代码。有一天他想写一个用 OCR 识别 PDF 文本的项目，他就想到了把之前的这两个项目结合：在浏览器打开 PDF，渲染为图片显示，然后用 OCR 从中识别文本。他把这两个项目的代码及说明发给Claude Code，让它生成代码，结果很好。
二、Test Driven Development（测试驱动开发）。
AI 生成的代码，必须要做测试。 很多人觉得AI生成代码量大，干脆放弃测试。Simon 说测试看起来好像花费时间，其实不然。如果不测试，以后出现问题时花费的时间更多。测试既可以确保代码运行过，也可以确保后续新功能开发不影响现有功能。
重要的是，你完全可以让 AI 来写测试啊！AI 很善于写测试。 这里 Simon 谈到了 Red/Green TDD：先写测试，然后再写程序。他说以前作为程序员的时候，他很烦这个流程，一般都是先把自己的想法付诸代码实现，然后再来考虑测试。现在正好可以把这些工作交给 AI 。
三、为 AI 提供一些示例代码：Template（模板）或者 Boilerplate（样板代码）。
Simon 说他并不是通过定义 claude.md 来规范代码，而是提供极简的代码样例：Template 或者 Boilerplate。他说 AI 很擅长模仿样例的风格写法，比如你的样例中有测试函数，AI 生成的代码中也会写测试函数。
听完 Simon 介绍的这几点，我发现使用 AI Agent的思维和带实习生做项目如出一辙。 你要整体把握项目方向和技术选型（这就要求自身有技术积累），通过测试保证交付质量，并用示例来明确代码规范。难怪他说，这本质上就是软件工程的思想。
一点感想
看完这期访谈，Simon 身上那种因好奇而生的乐观很打动我。他主动拥抱 AI，尝试各种大模型，把工具用熟、用透。更加可贵的是，他把一路摸索的宝贵经验整理分享出来，帮助更多人用好 AI 编程。
我想，这种开放和探索的心态，或许正是我们面对技术变革时的最好定力。 正如 Simon 给程序员的建议：与其担心使用 AI 会让技能退化，不如反向思考——有了 AI 辅助，我可以去尝试哪些以前不敢碰的新项目？
你在 AI 编程中有哪些心得或踩过的坑？如何看待它对程序员工作的冲击与重塑呢？欢迎在评论区聊聊。
B站收看链接：
