GitHub Copilot
你在工作中都吃到了哪些AI红利?
Codex
Cursor
Claude Code
参与讨论 脉脉的AI编程产品榜里，Codex热度值15，Claude Code 12.83，Cursor 10.23，GitHub Copilot 10.13。另一张互动榜里，“程序员AI写代码，开发提速技巧”以55万互动量排第一。同样要强调，热度不是效率实测。但程序员为什么持续讨论这些工具？因为AI编程真正省下的，经常不是敲键盘的时间，而是理解陌生系统的时间。周五17，48，运营在群里说，“退款成功了，优惠券怎么没退？”熟悉系统的人会去看退款事件、券回收消费者、消息重试表。第一次接手的人，光找到这三个名词就可能耗掉半天。我更建议先把Coding Agent当侦察兵，不要一上来就让它改，第一步，只读仓库，画出退款到退券的调用链；第二步，列出相关配置、消息主题、幂等键和最近提交；第三步，给出最小复现步骤，以及准备改哪些文件；第四步，工程师确认地图没错，再开放写权限。这套方法的红利非常具体，AI替你在几千个文件里找路，人负责判断该不该走这条路。林凡在白皮书中提到，Coding Agent提升程序员效率后，一个程序员可能承接过去一个小团队的部分工作；程序员也可能从高利润行业向外贸、农业等传统行业流动。我认同前半句，但要补一个边界，接得住更多工作，不等于应该一个人扛完整系统。Agent能放大工程师，也能放大错误。没有测试、差异审核和回滚，写得越快，事故可能来得越快。真正的AI红利，不是“原来三个人，现在只留一个”。而是原来一个人80%的精力花在搜索、搬运和机械修改，现在能把更多时间放到边界、架构和上线风险上。
发布于 湖南
分享
2
1
未登录
友善发言
评论
加载中
