如何成为一名优秀的AI领导者

Ai学习的老章

发布于 2025-08-12 10:14:25

1590

大家好，我是 Ai 学习的老章

推荐一篇优秀的文章，已用K2翻译，原文来自 https://colton.dev/blog/curing-your-ai-10x-engineer-imposter-syndrome/

几个月前，我陷入了一段小小的低谷。我一直对自己的工程师能力充满信心，但在刷 LinkedIn 和 Twitter 时，却忍不住觉得自己的技能正被无可救药地甩在后面。如果这些信息可信，工程早已脱离了“把代码敲进编辑器”这种中世纪做法。 _真正_的工程师如今比我高效 10–100 倍。我写这篇文章，是希望帮助那些怀有类似焦虑的人。

我这人天生多疑，所以听到这种断言时，我通常不会立刻跟风。我会翻白眼，就像有人告诉我一味简单的草药包治百病那样。但“10 倍工程师”这类说法如今铺天盖地，终于让我心里发毛。万一我_错了_呢？如果现在不学 AI，我会不会错过这班车，从此再也找不到工作？毕竟，现在各种花哨的新词层出不穷，把这些人说的“AI”跟我熟悉的“AI”越拉越远。

这些人用的是 ✨agentic✨ AI。他们用的是 ✨thinking✨ 模型，能上网冲浪、跑测试、自己纠正错误。而我只是偶尔弹出一个聊天窗口，让它写点代码，拿到点子后就把大部分输出直接扔掉。但这些工程师却让 Claude 完全掌舵，让 agent 在他们泡早咖啡的工夫就开出 5 个 PR。难道我成了恐龙，成了对着云端咆哮的老头？

让我焦虑的部分原因，是我完全有可能在不知不觉中被 AI 甩下，因为我平时并不怎么用它。因为我并_不喜欢_用 AI。审代码比写代码无趣得多。难道我固执地想_享受写代码_ ，结果反而注定要掉队？

深入探究

最终我到了一个临界点，决定必须一头扎进 AI 编程。我试了 Claude Code、Cursor、Roo Code 与 Zed，只为体验它们的 agentic 编程承诺。我开始让 AI 在各种项目里写各种代码。我对比了不同模型，甚至 vibe coded 了几样东西，全程没手动改过一行代码。

结果……也就那样。尽管有人宣称如今的 AI 正以惊人的速度进步，但体验下来和之前没多大区别。它擅长写样板代码，尤其是在 JavaScript 里，尤其是 React 场景。它并不擅长跟上你代码库里的规范与工具链。在 Terraform 这类语言上经常力不从心。它依旧会幻觉出不存在的库，带来严重的安全漏洞[1] 。

即便拥有出色的提示和 CLAUDE.md 文件，AI 仍然难以吸收整个大型代码库的上下文。如果你用了一个不是 StackOverflow 热门推荐的库，即便让 agent 查过文档，它也会搞砸。Agent 偶尔能做点漂亮事，比如把弄坏的测试修好。但更多时候它们只是浪费时间和 token，在失败中来回折腾，看似没从每次失败获得更深层的知识。因此，AI 对我而言的最佳使用场景仍是写一次性脚本。尤其是当我完全没兴趣为某个脚本去学深层基础时，比如写一条自定义 ESLint 规则。

那些“如果现在不用 AI 就会彻底落后”的危言耸听并未成真。用 AI 写代码并不难学。显而易见？AI 编程圈似乎分裂成两派：一派认为 AI 让编码简单到连穴居人都能上手，另一派则坚称需要一套高级、专职的提示工程师技能。你需要掌握的东西不多，很快就能学会：学会把任务拆成小块，免得 AI 在上下文窗口末尾崩溃。像 Claude Code 这类工具甚至能自动完成部分拆分，虽然并不总是可靠。你还要学会判断 AI 跑偏到什么程度就该自己接管方向盘。

一位称职的工程师在适度使用 AI 不到一周的时间内就能弄明白这些东西。此外，如果 AI 随时可能变得 2 倍、10 倍、甚至 100 倍更强（正如大家一直说的那样），那么现在关于如何使用它的任何经验对未来来说都毫无意义。

每当我发现 AI 只是“还行”的时候，奇怪的是我反而更加焦虑，而不是松了一口气。这意味着我找不到让其他人突飞猛进的“秘制辣酱”。我只是缺了点什么：恐龙，迎接小行星吧，它的名字叫 AI。最终，有几件事把我从这种低谷中拉了出来。其中之一就是 Ludicity 的这篇文章[2] ，它直接反驳了 AI 鼓吹者的说法。我写这篇文章，是为了分享更多帮助我摆脱“AI 10 倍工程师冒名顶替综合征”的东西。

数学

我们先来看看 10–100 倍生产力的简单数学。10 倍生产力意味着产出提升十倍，而不是代码行数增加十倍。也就是说，原本一个季度才能交付的东西，现在一周半就上线了。这些数字足以让最坚定的 AI 信徒也停下来想一想。过去 3 个月的工作量里，包含了多少产品构思、故事点谈判、缺陷修复、代码审查、等待部署、测试和 QA——如今全都要在 7 个工作日里完成？要做到这一点，上述每一个瓶颈环节都必须同样实现 10 倍的效率提升。

任何在真实公司里写过真实代码的软件工程师都知道这是不可能的。你不可能把 3 个月的代码评审来回压缩到 1.5 周。当你做代码评审时，你要：

@ 你的评审人
希望他们早点有空来看（这可不容易，因为他们现在得审阅的代码量据说是以前的 10 倍）
在等待时切换到其他任务
看到一条通知（也许是立刻，也许是在你的审查者下班两小时后才出现）
切回到评审
阅读他们的评论
做出相应回应
如此循环往复。

在一家具备良好标准与沟通实践的优秀公司里，这一过程可以被做得相当高效。但你要告诉我，你把这一流程的效率提高了 10 倍 ，从而能处理 10 倍的工作量？这根本不可能。

在实际的企业软件工程中，涉及的人力流程并未发生显著变化。产品经理或许会用 ChatGPT 做“调研”，但他们并不会突然产出十倍于从前的、经过充分审核、论证充分、估算准确的需求故事。他们无法同时进行 10 场用户访谈。设计师和 QA 测试人员也是如此。为了跟上节奏而招聘十倍数量的 PM 并不现实。随着网络效应和官僚主义的加剧，每增加一名员工的边际收益都在递减。

即使我们假设人们说的只是代码编写过程本身快了 10–100 倍，我们也应该对这种计算保持怀疑。当你在写代码时，真正花在按键盘上的时间有多少？可能比你想象的要少。你宝贵的编码时间里，大部分其实花在阅读和思考上，往往是在等待编译、页面刷新或测试运行。LLMs 并不能让 rustc 跑得更快。

LLMs 生成的内容常常是错的、幻觉的，或低于代码库标准。随着代码库变大，这些错误出现的频率会更高。这时你得重新提示，也许瞬间就能解决问题，也可能浪费大量时间。或者你自己进去修代码。可这样一来，你又回到了可怜的 1x 工程师状态，甚至如果你已经太习惯“氛围编码”， 忘了怎么写代码[3] ，情况可能更糟。如果你“拥抱氛围”，连生成的代码都不看，那么一旦代码库大到一定程度，就会撞上生产力墙。到那时，你就得面对完全没有标准和合理抽象的烂摊子。

有时候人们会忘记 10 倍提升到底有多大。10 倍的差距，相当于你的家用小面包车和创纪录的超音速陆地喷气机[4]的区别。想象一下，你开着一辆时速 600 英里的车，在市区街道上去完成 10 分钟的通勤。你能把穿越全城的时间缩短到十分之一吗？不能，因为只要一个 60 秒的红灯就能把你的时间预算全部吃掉。F1 赛车在普通弯道上也得降到小面包车的速度。事实表明，任何活动的大部分时间都不是以最高速度度过的。

100 倍生产力意味着，你现在用两天就能完成以前一年的工作量。我甚至都不需要再去碰这种量级数字的荒谬性了。

10 倍工程师真的存在吗？

我并不想参与这场论战，但可能不得不插句话：我的答案是“有时候，算是吧”。当我遇到比普通工程师价值高 10 倍的工程师时，他们的主要能力体现在_避免不必要的工作_上。比如劝产品经理放弃一个根本不可行的需求，让另一位工程师别再去建那个多余的微服务，做提升开发者体验的投资，让每个人在每个任务上都省一点点时间；把自己的工作写清楚，让后来的工程师能更快上手。这些事情日积月累，就可能让一名工程师为公司节省的时间，达到他自身投入时间的 10 倍。

这类工作并非随时都有，所以优秀的工程师只有在特定情境下才会表现出 10 倍的生产力。到了某个阶段，每个工程师都得老老实实做功能；优秀工程师也许能比初级工程师快一倍，但依旧会遇到同样的瓶颈。故事点固然有缺陷，但我从未见过哪位工程师能持续完成平均水平的十倍故事点。

值得注意的是，AI 编程助手几乎无法阻止不必要的工作。相反，AI 往往似乎在鼓励仓促和过度构建。当我提出架构问题时，它常常推荐一些我在睡个好觉或与一位优秀工程师交谈后意识到其实并不必要的方案。在其他条件完全相同的情况下，打字更快的程序员就是更好的工程师吗？是的，但这并不是 10 倍的差异关键，而且很难让其他条件保持不变。越是专注于尽可能快地完成任务，就越容易错过那些能够减少总工作量的关键省时点。

那么，发 AI 帖子的人是在撒谎吗？

我认为这些发 AI 帖子的人大致可以归为以下几类，按从最无害到最恶意的顺序排列：

出于善意却错误衡量自己和他人的人
那些在 AI 成败上投入巨大、无论是个人还是财力的人（AI 初创公司创始人、投资者等）
老板们明目张胆地想让工程师感到不安，这样他们就不会辞职、另找工作或要求加薪

那个心地善良但数学很差的工程师

以我的经验来看，AI 会带来罕见、短暂的 10-100 倍生产力爆发。当我让 AI 在几分钟内写出一个自定义 ESLint 规则，而原本可能需要花几个小时查阅文档和教程时，这确实是数量级的时间和精力提升。这种时刻确实会发生在 AI 上。许多从未写过代码的人，在用 Lovable 启动应用的头几天里，都曾感受到这种魔法。

问题在于，生产力并不会线性增长。我一年写不到一条 ESLint 规则。这波生产力的爆发，纯粹是因为我对这段代码不上心，也懒得花力气让它对下一位工程师可读。如果“持续写 ESLint 规则”成了我的核心职责，我会一次性投入时间去搞懂 ESLint 的内部机制。之后，用“氛围编程”生成一条规则所需的时间，跟我自己手写相比，差距并不会太大——尤其是当你把为了让 6 个月后的我还能看懂这段代码而额外花费的“可读性时间”算进去时。

最终，每一位“氛围编程”者都会走到收益急剧递减的拐点。他们的网站被黑[5] ，于是必须真正投入时间去搞懂安全机制。应用规模超过了上下文窗口的承载极限，界面开始看起来不一致、行为也开始错乱。真正懂行的前端工程师被请来，落地一套统一的设计系统与用户体验。

还有许多简单的偏见和盲点会造成生产力幻觉。如果你离开大公司的深水区，加入一家初创公司，你会真切地被每位工程师的高产出震撼。人们很容易把功劳归于 AI。有些人确实喜欢 AI 编程带来的技术新鲜感，而当你接触新技术时，往往会觉得自己做得比以往任何时候都多。我记得第一次用 Python 时，感觉像在“啜饮火箭燃料”，但和所有技术一样，最终都会回到地面。

我认为，许多更“真实”的 10 倍 AI 狂热，其实只是人们处于蜜月期，或者根本没有坐下来认真思考 10 倍提升在数学上意味着什么。如果 AI 能让许多工程师把某些任务提速 20–50%，我不会感到惊讶，但软件瓶颈的性质决定了这并不会转化为整体 20% 的生产力提升，更谈不上 10 倍提升。

动机很重要

听着，我并不是仇视 AI 创业。如果你想把 OpenAI 的 API 塞进你的医疗初创公司，我可能会因为风险而挑挑眉，但任何想在医疗领域“快速行动、打破常规”的初创公司，我都会一样担心。我写这些，并不是想说 AI 创业者或投资人邪恶，甚至不诚实。我只是想用最无聊的、像高中经济 101 老师的语气说一句：“激励很重要”。

如果你在运营一家 AI 初创公司，而其他每一家 AI 初创公司都在告诉投资人：因为有了 AI，生产力提高了 10 倍，那激励就再明显不过了：你最好也在公开场合和私下里说同样的话。如果你的公司完全建立在 AI 之上，你就被激励去把 AI 标榜为生活每一部分的奇迹解决方案。如果你是一名工程师，而你的老板问你：

嘿，你因为 AI 生产力提高了 10 倍，对吧？就像其他所有工程师一样？

你就有强烈的动机回答“是的”。而当其他所有工程师也出于同样原因说“是的”时，那位 CEO 并没有撒谎[6] ，他们只是转述了他们听到的。

我想对那些和我一样感到焦虑的人强调的是，这并非新鲜事。CEO 并不是客观中立的来源。高管们一直声称从敏捷到迈尔斯-布里格斯等各种方法都释放了无限生产力。LinkedIn 上永远会出现新的“协同”热词，别让它打击你。实际上，干脆别再刷 LinkedIn 了，那地方很傻。

公然恶意

当有人说出让人焦虑的话时，至少有时你应该意识到这正是说话者想要达到的效果。老板试图让工程师觉得自己的职位岌岌可危也不是什么新鲜事。我们都还记得那个说法：只要参加一个为期 3 个月的编程训练营，就能培养出拥有 4 年学位水平的工程师，所以你最好别太高调，否则就会被一个正在转行、持有文学学士学位的家伙取代。几年后，人们逐渐意识到，训练营的毕业生通常严重准备不足[7] ，因为他们没有接受扎实的基础训练，无法胜任真正的软件工程工作。

训练营和 AI 只是漫长系列中、被证明站不住脚的“软件工程高度昂贵、高度专业化领域将被商品化”威胁的又一个例子。它们是一种修辞手法，用来暗示不安。你的老板并不能真的把你炒了、用 AI 取代你，但他可以_让你感觉_他_可能_这么做，从而让你不敢要求加薪。

“AI 让工程师效率提升 10 倍”这类故事中，确实有一部分是出于让你自愧不如的目的而说的。至于具体占多少，我不知道。尽管如今我们对彼此的信任已降至谷底，我依然相信大多数人本性善良，因此我不觉得这类动机占很高比例。

分离度

我注意到，在所有鼓吹 AI 编程的文章里，这些角色几乎总是与真正的生产力提升隔着一层。发帖的人要么是创始人、要么是管理者、要么是投资人，都在对他人生产力的提升夸夸其谈。二手来源本身没错，但要是始终找不到一手来源，你就该开始质疑这些信息的可靠性了。

来自真正工程师的演示展示了他们如何利用 AI 提升生产力，这些演示内容更加多样，赞美也更为克制。在这些演示中，AI 基本上仍是你我在焦虑之前就已熟悉的那项技术：一个不错的文本生成器，偶尔能施展魔法，但更多时候需要你亲自掌舵。

在开源项目中使用 AI——其生产过程可以被公开见证——早已成为滑稽的失败[8] 。我从几个 YouTube 视频里学到了如何更好地使用 AI。 这里[9]有一段不错的视频，来自上面 Ludicity 的文章。我先给你剧透一下：这位工程师并没有找到编程生产力的灵泉。

效率低一点也没关系

即使我已经不再相信存在一批“秘密工程师”，他们比我高效十倍、强壮十倍、高大十倍、性感十倍，我依然因为自己不太喜欢用 AI 而感到焦虑。一旦新鲜感消退，“氛围编程”就变得极其无聊。阅读 LLM 生成的代码很糟糕。礼貌地请它别再用幻觉里的库也让人痛苦。可万一即便如此，我靠氛围编程仍比传统编码效率高 20% 呢？如果有一条更高产的路摆在我面前，我却还坚持“正常”编程，是不是做错了？

不。为了享受工作而牺牲一点生产力完全可以。不止可以， 在我们的行业里是必需的 。如果你强迫自己做讨厌的工作方式，只会把自己逼到崩溃。写代码只是编程的一部分，其余的是解决问题、做系统设计、思考抽象、与人协作。当你感觉良好时，这些你都会做得更好。为自己的作品感到自豪、欣赏其中的技艺，这完全没问题。长远来看，你的代码库也会因此受益。

数字音乐客观上是否比黑胶更好听并不重要。翻唱片的“效率”是否比让流媒体自动切歌慢100倍也不重要。如果听一张70年前的老唱片能让你更开心，那就去听吧。这样做你会听更多音乐，而不是强迫自己使用更“高效”的流媒体。用你喜欢的方式写代码，你会投入更多时间，也会写出更好的代码。

哦，这个论点反过来也完全成立。如果你觉得用 AI 写代码感觉很棒，那就尽管去做。如果你因此兴奋得前所未有地高产，那真是太好了。我希望每个人都能有这样的体验，不管他们通过什么方式达到这种状态。

如何成为一名优秀的 AI 领导者

让你的工程师始终对自己的表现感到焦虑， 对公司有害 。这会让工程师不想为你工作。这是一种鼓励短期思维的配方，会导致工程师去最大化那些糟糕的指标，比如代码行数。代码审查会被忽视，技术债会不断累积，最终公司要为这些错误买单。

不切实际的 10 倍期望必然导致仓促、低质量的工作。工程师需要有喘息的空间，需要多一点时间把事情做对。优秀的代码库和优秀的公司，都建立在今天与明天之间的健康平衡之上。我很庆幸现在就在这样一家公司工作，但很多人并没有这么幸运。

不要因为工程师用的 token 不够多就去苛责他们。你的工程师是受过高等教育的专业人士，身处竞争极其激烈的领域。软件工程师早已因狂热地追捧又迅速抛弃新语言和工具而臭名昭著。既然你花了这么多钱雇他们，就该相信：一旦出现超级惊人的生产力提升，他们会_主动来找你_申请开通专业版。如果你担心错过别人都在享受的 AI 编码红利，那就直接给团队开通 LLM 套餐，组织一次培训，看看效果如何即可。就这么简单。

结论

世上没有什么秘方草药能包治百病，只要你加入对的 Facebook 群组就能找到。也没有什么 AI 编程革命，只要你开始“跟着感觉走”就能赶上。你并没错过任何东西。相信自己。你已经足够。

哦，还有，别刷 LinkedIn。也别刷 Twitter。永远别刷。

搭建完美的写作环境：工具篇（12 章）图解机器学习 - 中文版（72 张 PNG）ChatGPT、大模型系列研究报告（50 个 PDF）108 页 PDF 小册子：搭建机器学习开发环境及 Python 基础 116 页 PDF 小册子：机器学习中的概率论、统计学、线性代数 史上最全！371 张速查表，涵盖 AI、ChatGPT、Python、R、深度学习、机器学习等

参考资料

[1]

安全漏洞: https://en.wikipedia.org/wiki/Slopsquatting

[2]

Ludicity 的这篇文章: https://ludic.mataroa.blog/blog/contra-ptaceks-terrible-article-on-ai/

[3]

忘了怎么写代码: https://nmn.gl/blog/ai-and-learning

[4]

超音速陆地喷气机: https://en.wikipedia.org/wiki/ThrustSSC

[5]

网站被黑: https://pivot-to-ai.com/2025/03/18/guys-im-under-attack-ai-vibe-coding-in-the-wild/

[6]