如果下面这些，你都做到了， AI 就是你的赤兔马，否则，就是马肉。

AI 能写代码、能修 Bug，但代码为什么越写越像施工现场？

前几天我在一个技术管理群里潜水，看到一件挺有意思的事，值得拿出来跟你聊聊。

事情是这样的：一个工程师用 AI 提了一个 PR，AI 自己 review 了一遍，说没问题。然后团队里一位资深大神看了一眼，说了一句话——『你这个 bugfix 的方式，破坏了原有的架构思想。』

代码跑得通，测试全绿，AI 说 OK。但大神一眼就看出了问题。

这件事让我琢磨了很久。今天这篇文章，我想跟你聊聊：AI 编程到底差在哪？不是技术问题，是『不懂规矩』的问题。

1 AI 没思想：代码像施工现场，能住人但不舒服

群里有个工程师说了一句话，我觉得特别到位：

『AI 能解决问题，但是没有什么思想。以前读好的代码像是读一首诗。现在就好像看一个施工现场……你也不能说不能住人，但是就是不够舒服。』

这话听着扎心，但真实。

我自己也经常遇到这种情况。AI 生成的代码，逻辑是对的，功能是通的，测试是过的。但你仔细看，总觉得哪里不对劲。不是语法问题，不是逻辑问题，是味道不对。

就像你吃一碗泡面，能吃饱，但跟用心做的一碗面比起来，差的就是那个『锅气』。

代码里的『锅气』是什么？是我对这段代码未来的判断：这个模块半年后会不会被拆？这个函数会不会被复用？这个设计有没有给未来留出余地？

AI 看不到这些。它只看眼前的需求，不关心明天的演变。

群里有个比喻很形象：AI 是一个统招清华毕业的本科生，学霸，但没有任何经验。 能力完爆同样没经验的人群，但只要他的 leader 带得靠谱，他其实还挺靠谱的。

把 AI 放在一个靠谱的架构师手里，它就是你的得力干将；放在一个刚入行的新人手里，它能给你把代码写得像施工现场。

2 规矩之争：不是规矩有问题，是规矩不清晰

群里聊着聊着，有个架构师抛出三个问题：

1. 就算定好了规矩，AI 不照做，白搭。
2. 需求一直在变，AI 也懵逼了，不知道哪个是对的。
3. 老板自己也不知道哪个需求是合理的，只提一个模糊的想法。

然后他说：『所以，最好还是走瀑布模式，先把需求定死了。』

但马上有人反驳：『不是规矩的问题，是规矩不清晰的问题。』

这个点我特别认同。

你想想，我们团队里，有多少规矩是写下来的？又有多少规矩是写不下来的？

比如代码分层这件事。规范里写的是『业务逻辑放在 Service 层』。但具体到项目里，什么算业务逻辑？什么算工具方法？这个边界从来不是非黑即白的。老手靠经验判断，新手靠猜，AI 靠……它根本不知道这还有个边界。

更麻烦的是，规矩是可变的。同一个项目，不同阶段、不同上下文，规矩的松紧度完全不一样。代码冻结期，优先级是稳定大于一切；功能开发期，优先级是快速迭代。

AI 分不清这些上下文。它只知道按当前 Prompt 办事，不看上下文，不看历史，不看团队默契。

3 AI 不懂潜规则：没有情商的学霸

聊到这儿，有人扔出了一个词——『潜规则』。

这个词太形象了。

群里有个工程师说：『比如我遇到的那个分层的规矩，其实没有明文写出来，而是人们之间默认的一种规矩，而且是可变的。目前的 AI 是不懂潜规则的，比如要先给坐在主宾位置的领导敬酒；上菜要把鱼头对着领导。』

虽然这是一个饭局比喻，但放在代码里，道理一模一样。

技术团队里，每个项目都有自己的『潜规则』：

• 这个模块的代码风格，虽然规范上没写，但大家默认是这么写的
• 那个接口的调用方式，虽然文档里说的是那样，但大家实际都这么用
• 某些历史遗留代码，虽然看着不顺眼，但谁都不敢动，因为一动就炸

这些『潜规则』，资深工程师靠默契就能感知到。看一眼代码，就知道『哦，这里应该这么做』。

但 AI 没有默契。AI 没有情商。

它只会按规则办事。规则写清楚了，它就照做；规则没写清楚，它就按自己理解来。而这种『自己理解』，往往就是『按最通用的方式处理』——而最通用的，往往不是最适合你项目的。

4 按下葫芦起来瓢：还是驾驭的人的问题

群里有个架构师抱怨：『让 AI 去改东西，按下葫芦起来瓢。一说不对，他就改，下次还犯这样的问题。写到记忆里，这个问题不犯了，其他的奇怪问题继续作死。』

这个我太有体会了。每次你费了老大劲，通过 Prompt 告诉 AI『不要这么做』，它这次改了，下次又忘了。你用记忆功能把它记住，它不犯这个错了，但换个角度又给你整出新的幺蛾子。

但回过头来想，群里那位工程师说了一句让我印象特别深刻的话：

『说实话，我以前带过的人，大多数不如 AI。』

然后他抛出一个比喻，我觉得值得反复琢磨：

『AI 就像赤兔马，在关羽和吕布手里，那就是名马；在小兵手里，可能就是过几天被吃的马肉。』

你品，你细品。

不是 AI 不行，是驾驭 AI 的人不行。

这个观点虽然扎心，但确实说到了点子上。项目管理越标准，数据积累越全面，AI 在你的团队里就越靠谱。反过来，如果团队本身的数据管理一团糟，项目规范形同虚设，那 AI 就是来帮你制造混乱的。

最后，群里的总结是这一句话：

『我遇到过的都是人的问题。100%。』

5 总结

聊了这么多，其实就是一件事：

AI 能写代码、能修 Bug，但它不懂你的项目，不懂你的团队，不懂你的『潜规则』。

这不是 AI 的错，也不是你的错。这是一个新的协作关系带来的新挑战。

以前我们带新人，需要花时间教他项目的潜规则、团队的默契、代码的『味道』。现在带 AI，同样需要这些。

区别在于，新人带三个月就懂了，AI 你带三个月，它可能还是不懂。但 AI 的产出效率，是新人完全没法比的。

所以，核心问题不是『AI 行不行』，而是『你行不行』：

• 你的项目规范够不够清晰？
• 你的数据积累够不够全面？
• 你的团队有没有把『潜规则』变成『显规则』？
• 你能不能像带一个优秀的新人一样，把 AI 带出来？

如果这些你都做到了，那 AI 就是你的赤兔马。

 如果没做到，那你可能还得先修炼自己。

你在工作中遇到过 AI 写的『施工现场』代码吗？欢迎留言分享你的经历。