百度员工自曝：入职两年不怎么写代码了 三

1. 需求拆解能力：别只会等别人告诉你怎么做AI 可以帮你写代码，但它不能替你判断需求值不值得做。比如老师让你做一个“校园二手交易平台”。很多同学第一反应是：登录注册 发布商品 搜索商品 下单购买 评论留言这当然没错，但还不够。你应该继续追问：校园二手交易最容易出什么问题？ 如何防止虚假商品？ 如何处理交易纠纷？ 是否需要实名认证？ 是否需要举报机制？ 商品下架后订单怎么办？ 卖家爽约怎么办？ 聊天记录是否要保留？这些问题，才是工程思维的开始。不会拆需求的人，只能让 AI 写零散代码。会拆需求的人，才能让 AI 参与完整交付。2. Prompt 表达能力：你问得越清楚，AI 才越像队友很多同学用 AI 写代码，效果不好，不是 AI 不行，而是问题问得太随意。比如：帮我写一个登录功能 这句话太粗糙了。更好的问法应该是：请使用 Spring Boot + MyBatis Plus 实现一个登录接口。 要求： 1. 用户使用手机号和密码登录 2. 密码使用 BCrypt 校验 3. 登录成功后返回 JWT Token 4. 连续输错 5 次后锁定账号 10 分钟 5. 返回统一响应结构 6. 补充接口参数校验 7. 给出对应的单元测试用例 你会发现，AI 不是不能干活。问题是你得会“派活”。未来很多技术岗位，会越来越像带一个 AI 实习生。你要告诉它目标、边界、规范、约束、验收标准。这本质上不是简单聊天，而是一种工程表达能力。3. 代码审查能力：AI 写得快，不代表写得对AI 生成代码最大的误区是：看起来很完整，跑起来也能过，但不一定可靠。比如：SQL 是否有注入风险？ 接口是否缺少权限校验？ 异常分支有没有处理？ 并发场景下会不会超卖？ Token 是否有过期机制？ 日志里是否打印了敏感信息？ 生成代码是否符合项目规范？ 测试用例是否只覆盖了正常流程？这就是为什么 AI 时代，测试能力、质量意识、工程规范反而更重要。因为 AI 会把“代码产量”拉得很高。但代码一多，问题也会变多。未来团队真正需要的，不是只会复制 AI 代码的人。而是能判断 AI 代码质量的人。