AI 能力溢出，人成瓶颈！深度解析写代码与网关重写中的技术变革与决策挑战

我与AI的初体验从惊艳到大胆尝试2026年春节我们在Apache APISIX上遇到棘手bugAI Agent不到10分钟就准确指出问题令人惊艳。后来尝试让它做生产级项目虽不能完整复刻但单论写代码半天就能完成我们当年三个月的代码量可见AI已达到甚至超过资深工程师的编码能力。AI写代码人的价值与角色转变如今AI写代码能力强大但资深工程师的价值在于其踩坑经验、技术权衡和判断。AI能看到What、完成How但对Why的理解与人有偏差。在公司我推行尽量不手写代码将“打字”交给AI Agent这一决定引发部分人的反弹尤其是那些有“领地意识”、将自己定位过窄的工程师。但实际上这能让更多人参与到产品定义和迭代中缩短交付闭环时间。玩具还是生产级关键在于人判断AI写的代码能否用于生产核心标准是指挥AI的人对架构、代码、测试有无清晰理解对推上生产有无敬畏之心。哪怕AI决策正确率高人也需参与决策。我们的新项目AISIX重度使用Claude Code编码但核心设计、架构选择等不交给AIAI仅作辅助。同时AI写的代码需用另一个AI审查以提高效率。用AI写软件的三个阶段与决策挑战用AI写软件大致经历三个阶段。第一阶段堆框架借助各种harness搭建软件工程第二阶段扔掉框架将自己的经验沉淀成文件让AI加载第三阶段从“上瘾式编码”转向“高质量决策”因需做的决策增多人的精力有限要合理安排时间和精力确保决策质量。为何重写网关AI流量的新挑战两年前AI流量出现最初想在Apache APISIX里用插件代理但发现AI流量与API流量核心概念不同。于是我们按AI网关原生概念重写了AISIX网关它开源且能统一处理大模型流量还采用Rust语言编写更适合AI流量的长连接流式输出场景。此外其他大公司在使用大模型时面临token成本和安全问题这也是推动我们开发新网关的原因。总之AI能力溢出人成瓶颈公司应积极推行AI解决人和组织跟上AI发展的问题。