
过度依赖 AI 编程易导致开发者沦为麻木的“审批按钮”——点同意只需 3 秒,看懂却要 30 分钟。这种决策疲劳会导致“智能体黑箱”,造成任务成功但认知完全空心化的隐形负债。本文提出 5 信号自测清单与 3 道关键防线,帮助开发者把技术判断权从 AI 手中拿回来。
| 工具 | 开发协作模式 | 典型开发行为 | 后期维护与排查成本 | 认知与技术资产留存 |
|---|---|---|---|---|
沦为审批按钮 | 看眼 diff 花 3 秒点同意;问及决策只能说“AI 建议的”;排查 bug 毫无嫌疑名单。 | 维护期账单极贵:改动无从下手,无法识别承重墙,连怀疑方向都没有。 | 严重空心化,项目住在脑子外面,会话清空后所有的“为什么”集体蒸发。 | |
守住三道防线 | 事前对比 2-3 个方案并记下理由;事中必须能口头复述;事后沉淀 3 行核心决策。 | 维护从容:几秒内看懂旧架构扩展点,清楚知道脆弱模块与核心依赖。 | 体力外包给 AI,决策留在自己脑中;AI 既是干活的员工,又是交付时的导师。 |
关注「AI启蒙学习」,看一个 AI 独立开发者的实战踩坑笔记。这一篇,是给所有让 AI 写过代码的人做的一次体检。
去年我接了一个 海外独立站的商城单 。交付那天一切顺利:主流程我亲手点过多遍, 测试全绿 ,客户验收也痛快。
三个月后,客户回来要加一个 限时促销功能 。我打开代码,愣住了。就那么看着, 越看越陌生 。
感觉就像走进一间名义上是我的房子, 每面墙都是别人砌的 ,我连哪面是承重墙都不知道。我不是看不懂语法,是不知道这里为什么这么写、 动了会不会塌 。
更讽刺的是我当时的本能反应:不是去读代码,而是 开一个新会话,把那部分代码喂给 AI ,问它:这里能不能改?
「这个项目写在我的名下,但住在我脑子外面。」
说实话,这不是我一个人碰到的问题。AI 用得越顺手,越多人活成了同一个角色:AI 甩出一个方案,你看一眼 diff ,点个同意。 一天几十上百次,次次如此 。

这篇文章我想把这件事讲透,为什么会这样,账最后有多贵,以及我后来给自己装上的 3 道防线 。先别翻走,下一节就是 5 信号自测清单,中 3 条以上,你就已经在 当审批按钮 了。
📌 本文看点
01 5 信号自测清单
02 3 秒对 30 分钟的账
03 3 道防线实操
01 SELF-CHECK
花 30 秒,对照一下这 5 个信号:
1 别人问你设计决策,你只能说:AI 说这样好。
2 超过三个月,没有手写过一个完整模块。
3 改 bug 的第一反应是问 AI,而不是读代码。
4 说不出你的项目里最脆弱的三个位置在哪。
5 离开 AI,不敢碰自己的代码。
中 3 条,你基本上已经是审批按钮了。 中 5 条?恭喜,你和去年的我一样,全中。

— 5 个信号自测卡
这份清单不是我从哪本书上抄的,是我给自己做体检做出来的。现在我还会隔一阵拿出来过一遍,就当 给项目做体检 。
02 THE MATH
先交代一下背景,头三个月是我用 AI 最爽的时候:原来一单要磨一个多月,那阵子 一个月能交两单 。每天的工作就是提需求、看 diff 、点同意,我当时真觉得 效率翻了十倍百倍 。
爽期过后,再回头看那 5 条全中,我第一反应也是怀疑自己:是不是我太懒,不愿意认真看代码?
后来我想明白了:
「沦为审批按钮不是态度问题,是结构问题。」
你算一道题就懂了,AI 每 30 秒 给你一个方案,你真看懂一个要 30 分钟。点同意的成本是 3 秒 ,看懂的成本是 30 分钟 。一次长会话里,这道选择题你要做几十次。

前面几个 diff ,你还认真读。到第十次, 决策疲劳 上来了,再加上前面都没出事的侥幸,点同意就变成了 肌肉记忆 。
其实这不是懒,是 认知负荷的必然结果 。
还有更深的一层。
AI 的 KPI 是 把任务做完 ,你的 KPI 应该是 对项目有掌握 。换句话说,你们俩从第一天起,就没在同一个方向使劲。
所以会出现一种新型的交付事故:
「任务全部成功,理解全部失败。」
这种事故最阴险的地方,是 不报红字 。代码跑得好好的,测试全绿,你根本察觉不到自己已经出了事故。直到三个月后客户说:给我加个促销功能。
而且这个状态,是有官方名字的。Anthropic 的开发者把它叫 「审批按钮」 ,把背后那个越来越看不懂的系统叫 「智能体黑箱」 :任务越做越多,人对问题、方案、影响的掌握,越来越少。巨头内部在对抗的,就是你我每天都在经历的事。
说白了,AI 提效的账不是按天结的,是按季度结的。 爽在前面,账在后面。
03 THE BILL
维护期一到,账单一起来了。两笔, 一笔丢人,一笔后悔 。
先说丢人的那次。
一次线上故障,客户的 下单模块 出了问题,客户就在消息那头等着。我打开代码,发现自己对这个模块的全部认知,就四个字: AI 说好了 。
正常工程师排查问题,脑子里是有一张 嫌疑名单 的:先查哪、后查哪、哪里历史上就脆。我没有名单,我连怀疑谁都不会。
那最后怎么解决的呢?说出来丢人:整个订单模块开一个新会话, 用第一性原理让 AI 帮我猜问题出在哪儿,写的代码哪里会坏 。
那一单赚的钱,还没有我烧掉的排查时间值钱。(去年初那会AI Coding能力还比较欠)
最无力的不是不会修,是连怀疑的方向都没有。
再说后悔的那次。
有合作方问我:你这个结算模块,为什么不用现成的方案?我张嘴就来了一句: AI 建议的 。
说完那半秒我就后悔了,因为这四个字翻译过来就是: 不是我做的,我也不太懂 。
还有报价的时候,讲不清自己项目技术决策的人, 报价都是虚的 。客户一句你这个凭什么贵这么多,你就只能降。
理解空心化 这个东西,平时不疼, 一到别人提问的场合就疼 。
04 DEFENSE LINES
话说回来,防线不是让你少用 AI,是让你分清:什么可以放心交给 AI,什么必须留在自己手里。
我的分界线就一条:
「体力可以外包,判断决不能。」
编译、脚手架、样板代码,这些是 体力 ,产出的东西你不需要逐行理解也能负责。选型、架构、取舍,这些是 判断 ,一旦外包,项目就跟你没关系了, 你只剩署名权 。
在这条线之上,我把防线放在三个位置。
防线一,事前:方案不让 AI 单独定
我的做法是让它 一次出 2 到 3 个方案 ,我来选,并且在需求文档里写一行为什么选这个、不选那个。
就一行,比如独立站改版那次,我写的是: 选 B,因为要给多语言留扩展 。三个月后客户真的提了多语言需求, 我 10 秒钟就敢接这单 ,因为我知道当初为什么这么选。
💡 小技巧:这一行不用写得漂亮,写清楚就行。三个月后,它可能是你对这个决策唯一的记忆。
防线二,事中:每过一个阶段,让 AI 讲一遍
每做完一个大阶段,我会直接跟它说: 用普通人听得懂的话讲讲,你刚才做了什么、为什么这么做、放弃了什么 。
然后我复述, 复述得出来,进下一阶段 。
💡 小技巧:复述不出来就让它再讲一遍,别嫌慢。这一步,不!能!跳!
防线三,事后:会话收尾,强制沉淀三行
就三行: 这次做了什么;为什么这么做;放弃了哪些方案 。新会话开场,先把这三行喂回去,让它知道之前的判断, 别从头猜 。

— 三道防线流程图:事前选型 / 事中讲懂 / 事后沉淀
三道防线加起来, 一个会话多花 10 分钟 。但它是我能想到的,把判断权从 AI 手里拿回来的 最具体的动作 。
回头再看第一节那 5 个信号,基本都能被这三道防线接住: 决策有记录,阶段讲得懂,为什么留得下来 。
多说一句:很多初学者把问题诊断成代码看不懂,然后跑去补编程课, 方向错了 。代码随时可以再读,真正丢了找不回来的,是决策,是那些为什么。AI 的会话一清空, 所有的为什么就集体蒸发 。
那才是最贵的损失。
05 EVEN ANTHROPIC
装完这三道防线,我一度以为这只是我的个人教训。直到后来我看到 Anthropic 开发者分享的理解验证工作流 ,才发现人家走得比我系统得多:把 AI 定位成一个高效且睿智的教师,任务做完不算完,要确认人对问题、方案、影响有了 能复述、能辩护的掌握 ,才算完。中间还有增量教学、用户复述、清单加测验一整套。
我看到的第一反应是安慰:原来巨头内部也在对抗同一个问题,说明 审批按钮不是我个人能力差 。
第二反应是后怕:人家把这件事当成 工作流级别的基础设施 在做,而外面大多数人,包括爽期里的我,连问题都还没意识到。
这个系列其实已经聊到第二篇了。上一篇别再跑一遍就交付了!3个土办法让AI自己验 讲机器那一侧:跑的动作,可以外包给 AI。这一篇开始补人这一侧:机器验不了的,你自己怎么算真的懂。至于那套工作流完整的 8 步拆解 ,展开又是一整篇,想看的评论区说一声,这里先埋个钩子。
写到这里,我想对还在坑里的朋友说两句掏心窝的。
第一句, 别用产出速度当唯一指标 。三个月内你会觉得自己是天才,但维护期的账单, 不会发朋友圈 。
第二句,别把锅甩给自己技术还不够强,然后去学更多提效技巧, 那是往同一个坑里踩油门 。方向反了: 不是让 AI 更快,是让自己更懂。
如果时光倒流,我会对刚开始用 AI 写代码的自己说:从第一个项目开始,把 AI 当两个角色用。 干活的时候,它是员工;交付的时候,它是老师 。别只让它干活。
我工位上贴着一句话,也送给你:
「项目可以是 AI 写的,但得是你的。」
现在就开始吧。拿你手头最近的一个 AI 会话,按第三道防线 补一份三行沉淀 ,10 分钟, 今天就做 。
对了,开头那 5 个信号,你中了几条?中 3 条以上的, 评论区聊聊你的翻车现场 ,让我看看这坑里到底蹲了多少人。
END
我是艾启蒙,一个 AI 独立开发者,在「AI启蒙学习」分享实战踩坑笔记。
这个 AI 协作避坑系列会一直写下去:机器怎么验、人怎么懂、8 步工作流怎么落地,一篇比一篇硬核。我们下篇见。
如果这篇文章对你有帮助,点个「分享」,让更多想学AI编程的朋友看到。 觉得内容有价值?设个邮箱订阅,以后每次更新都能第一时间收到。
您可能也喜欢这些文章



加载评论中…