【黄啊码】AI Coding正在让你平庸地付费上班

昨天十点多，我远程盯着屏幕上学员第3次跳出的cursor回答窗口，鼠标悬在需求阐述上，看着他一次又一次地重复确认代码，心里有很多话想说一说。

在这里插入图片描述

具体情况是这样的：学员给了个需求是把用户积分规则从"满100减10"改成"阶梯式满减"，我原本打算教他花半小时理清楚边界条件，再手写逻辑。但学员说：“老师，直接让cursor生成吧，我上次调接口就是这么干的，五分钟出活。” 我本想否决的，毕竟刚入门，最重要的是学习核心逻辑，但觉得还是得让他吃吃苦。 于是我们打开了对话框，输入：用Java写一个电商积分阶梯计算函数，输入消费金额，输出应扣积分，规则是满100减10，满300减35，满500减80，超过500部分每100减20。 cursor秒回了一段代码，看起来逻辑通顺。但测试时发现，当消费金额是299元时，本应只触发满100的规则，结果代码错误地扣了35分，因为它把满300的条件写成了>=。我们改了需求描述，加上严格大于，又生成一次。这次对了，但忘记处理0元以下返回0的边界，第三次生成时，AI把判断逻辑嵌套错了位置。 直到第四次，代码终于跑通。我看了眼token统计：四次生成，平均每次输出消耗6281 tokens。按当前大模型cusro的价格，我们来算算:以下是cursor auto模式下的计费：

在这里插入图片描述

我们不计算输入和缓存输入，单纯计算输出价格：

在这里插入图片描述

以当前美元和人民币兑换汇率计算0.15美元 × 7.1089元/美元 = 1.066335元人民币，约合1.07元 也许你会说：切，才不到一块钱。确实，对于程序员的工资水平来说，1块钱不值一提，甚至说连皮毛都不算，只是我们只考虑到单价，一个程序员每天要写多少个小功能，这不就是1*n吗？再加上各种补漏洞，最终妥妥的付费上班啊！ 更讽刺的是，当我提出"要不咱们先画个流程图，再手写逻辑"时，学员说：“反正AI改得快，手写还要查API文档，多麻烦。” 这句话像一根刺扎进我心里，我们正在用最昂贵的方式，养出懒惰的技术习惯。而这场浪费的源头，正是被滥用的AI Coding。

一、tokens是真金白银的技术成本要理解这场浪费有多触目惊心，首先得明白在大语言模型的世界里，一切输入输出都会被拆分成tokens，生成一行代码，可能需要拆解需求描述、理解上下文、调用知识库、构建逻辑链，每个环节都在疯狂消耗tokens。 举个案例：某小公司【麻雀版团队】开发一个简单的"用户信息导出"功能，用传统方式采用AI编程工具流程其实也是大同小异，只是我们把前边这四个步骤全部改成AI，现在我们用上边的案例简单算一下：4*1.07=4.28元，打比方我们每天只写10个小功能就行了，40多块钱就交付给AI了，这时候你还会说AI便宜吗？当然，用白嫖版的除外，我们这里只谈论正规流程。

二、我们正在用tokens，喂养我们的技术惰性

在这里插入图片描述

但真正可怕的，不是钱的问题，而是程序员正在用tokens，亲手弱化自己的技术能力。 我带过一个应届生，刚跟着我学东西就能独立负责核心模块。起初我以为是天赋，后来发现他的工作流是：需求到手》复制粘贴到AI对话框》挑一段看起来像的代码》修修补补跑通测试，或者想都不想了，直接输入需求点击确认，然后一步一步地问AI为啥错误了。 那时候我问他"为什么这里用HashMap而不是TreeMap"，他说"AI生成的代码用了这个，应该没问题"；问"如果并发量超过1万，这段锁机制能扛住吗"，他挠挠头：“可能得加个分布式锁？AI没写，我也不知道。” 这让我想起十年前刚入行时的场景：写一个循环嵌套，会反复琢磨是用for还是while；调一个接口，会翻三遍官方文档确认参数；甚至连打印日志都要纠结用info还是debug，因为我知道，每一个技术决策都可能影响系统的性能、可维护性，甚至未来的扩展空间。 但现在，程序员不再需要深究为什么，只需要学会怎么让AI听话；不再需要积累编程经验，只需要记住几个prompt技巧。 更危险的是，这种惰性会形成恶性循环：越依赖AI，越不愿意深入底层；越不了解底层，越容易被AI生成的看似正确的代码坑到。 我去年有一次用AI生成数据库索引优化方案，就采用了无脑点击确认，结果AI为了提升查询速度，给所有字段都加了索引，导致写入性能暴跌，因为AI不懂索引不是越多越好的底层逻辑，它只知道用户说要快，加了索引就能变快。

三、AI是工具，不是"代码代工厂"

在这里插入图片描述

说了这么多，不是要否定AI的价值。相反，我坚信AI会成为未来开发者的超级大脑，它能快速生成模板代码，能提示潜在的bug，能把程序员从重复劳动中解放出来，去做更有创造性的事（比如系统架构设计、技术方案优化、用户体验打磨）。 但前提是：我们要做AI的主人，而不是它的token消耗工具。怎么做到？分享几个我自己的实践经验： 1、把AI当"实习生"，而不是"老师傅"让它生成第一版代码，但一定要自己过一遍逻辑。比如写一个支付接口，AI可能会漏掉"重复支付校验"，这时候不是直接复制，而是手动加上去，这个过程，既节省了后续调试的tokens，又强化了自己的风险意识。 2、用精准prompt代替模糊需求很多tokens浪费源于无效沟通。与其说写一个登录功能，不如说"用XXX技术写一个支持JWT的登录接口，需要处理密码加密，用了什么加密算法、验证码校验，是否采用Redis存储，存储过期时间是多少、登录失败次数限制，最多5次，锁定多长时间"。越清晰的prompt，AI生成的代码越精准，后续修改的tokens就越少。 3、保留手敲代码的习惯对于核心逻辑，比如算法优化、性能瓶颈，坚持手敲代码。涉及交易状态流转、分布式锁设计、大数据量查询优化的代码，必须人工编写并注释，这些代码是系统的重心，容不得让AI拿来试错。 4、把省下来的tokens，花在技术深耕上【不要摸鱼哦】当你不再为AI会不会写错焦虑时，就有更多精力去学源码、搞架构、研究新技术。毕竟，AI能生成代码，但生成不了架构思维；能优化逻辑，但优化不了技术视野，这些才是程序员不可替代的核心竞争力。 在AI编程实现不了口喷就是产品时，请别忘记你是一名软件（CV）工程师。AI时代，什么是软件工程师？AI编程让你0代码能力即可写软件，但无法让你0代码能力写工程，这就是CV工程师与软件工程师的区别。

最后，用好你手头上的AI编程工具【国内的编程工具其实也不差】，它们会不会让你平庸，会不会让你被迫付费上班，取决你如何驾驭它，工具之所以为工具，就是让人来用，而不是它来用人。在公司给老板当牛马已经够苦了，还要给编程工具当牛马，荒天帝都没有你苦。 好了，我是黄啊码，码字的码，欢迎三连加关注，让我们共处AI时代，共享AI未来。