AI 生成代码调试时间竟是编写时间的 10 倍

逆向工程你没写的代码

AI在30秒内写出了代码。

三行。一个简单的函数。我提示生成的。我复制了它。看起来不错。干净的语法。好的变量名。没有明显的错误。

接下来我花了5小时调试它。

错误不在逻辑里。AI做了一个默认假设——列表永远不会是空的。它99%的时间都有效。那1%在生产中崩溃了。一个真实的用户。一个真实的故障。我人生中真实的5小时。

30秒生成。5小时调试。

这不是效率。这是没人在谈论的权衡。

这不是反AI的文章。我每天都用AI。它确实改变了我的工作方式。但我已经停止假装"写时的速度"是唯一重要的指标。

这是我多次付出代价后学到的——关于AI生成代码隐藏成本的经验教训。

快速代码的神话

我们被兜售了一个故事：AI让你更快。提示、复制、发布。重复。

写作确实快了。快得惊人。曾经需要一小时的东西现在只需几分钟。这部分是真的。

但故事总是在这里停止。它没有提到之后会发生什么。

AI在几秒内写出代码。你发布它。你继续。几周后一个bug浮出来——细微的、难以复现的、埋在你没写也不完全拥有的代码深处。

现在你不是在调试你理解的逻辑。你在逆向工程来自一个系统的代码，而这个系统无法解释自己的假设。你像读陌生人笔迹一样读它，试图弄清对方的意思。

快速代码不是免费的。这是借来的时间。

债务迟早会显现——而那时你已经完全忘记了AI当初的假设是什么。

三次AI代码花我比节省更多的时间

1. 隐形假设（5小时）

AI假设列表永远不会是空的。没有检查。没有添加守卫条件。为什么要加呢？它只知道我问的——不知道真实用户实际怎么做。

Bug在我发布两周后出现在生产环境。一个没有任何数据的用户触发了这个流程。整个东西直接崩溃。

修复？一行。简单的 if not list 检查。

调试？5小时的困惑、越来越沮丧的我追踪日志、添加打印语句、质疑我的理智，才找到那个缺失的假设。

2. 在我的机器上工作的陷阱（1整天）

AI代码通过了我的所有测试。在本地运行得完美无缺。我很有信心。我发布了。

在生产环境里？完全是另一回事。

AI为我的测试环境做了优化——干净的输入我一直在测试、我测试数据里整洁的数据形状、我写的happy path。它没有考虑真实数据。它没有考虑真实用户创造的各种奇怪边界情况。

我花了整整一天追踪一个只在野生环境里存在的bug。

3. 命名陷阱（3小时）

AI给一个变量命名为 data。

太通用。太模糊。技术上可以接受。对AI来说完全合理——它不知道什么重要。

三个月后我完全不知道 data 里装的是什么。是原始用户输入吗？转换后的输出？从数据库缓存的结果？我过滤后的东西？

我花了3小时追踪代码，而这本来只需要10分钟就能理解——因为AI选了便利而不是清晰，我又没抓住。

AI代码的真正成本

除了小时数，还有看不见的成本。

认知负荷。你没写这段代码，所以你没有心智模型。每次你接触它，都得从零开始重建理解。就像回到一个你从未见过的代码库，除了你"应该"写过它。

信心侵蚀。经过足够多次的"在我的机器上工作"后，你停止相信自己的测试。你开始带着低层次的焦虑发布。你加日志"以防万一"。你写额外的测试不是因为代码需要它们，而是因为你不信任没写过的代码。

"以防万一"的螺旋。额外的检查。额外的验证。额外的错误处理——不是因为需求，而是因为你在补偿对自己无法完全担保的代码的不确定性。这在小块中默默蚕食时间。

机会成本。你花在调试AI生成代码上的每一小时，都是你没有花在真正需要你的判断、你的背景、你的经验的工作上的一小时。

这些成本是看不见的。没有ticket追踪它们。没有仪表板测量它们。没有事后回顾浮出它们。

但它们是真实的。它们慢慢地、无声地堆积，直到有一天你意识到"调试"已经悄悄成了你真正的工作。

我做的不同

我没有放弃AI。那艘船早就启航了，我也不想它回来。

但我做了一些小改变，这些改变无声地改变了比率：

1. 我不发布我无法解释的代码。

如果我无法走一遍逻辑——不是略读，真正地逐行走一遍——我就不发布。即使它在测试中有效。这能在生产环境发现问题之前就抓住隐形假设。

2. 我把AI输出当作初稿。

AI写结构。我重写重要的部分——边界情况、错误处理、变量名、那些凌晨2点出问题时某个人需要读的东西。慢一些。但这是我真正拥有的代码。

3. 我显式地添加缺失的假设。

AI总是为happy path优化。所以我养成了习惯，立即问：如果输入是空的怎么办？Null？格式错误？意外值？我每次都自己加这些检查。

4. 我为调试税预留时间。

每个AI生成的函数在我的时间估计里额外加30分钟，用于审查和加固。这不是悲观——是从经验中得出的模式。这笔税在它防止的第一次事故里就回本了。

这些都没有消除问题。但它们有意义地降低了我个人的10倍比率。有些周现在更接近3倍。

总结

AI代码写得更快。调试得更慢。比率各不相同。有时2倍。有时20倍。有时那次是60倍，我质疑了人生选择。

问题从来不是"AI是好还是坏"？这是个没意思的辩论。

真正的问题是：你的工作上、你的代码库上、你的团队上的比率是多少？

一次性脚本？尽管用AI，别回头。

核心逻辑，某人在六个月后凌晨2点要调试的代码？那就谨慎点。深思熟虑。真正参与其中。

权衡是真实的。它不会消失。假装它不存在也改变不了现实——只是意味着你会在生产环境才发现它，而不是提前。

你有最惨的"AI快速写、我缓慢调试"的故事吗？

花了多长时间找到bug？你错过的假设是什么？

我先说——空列表崩溃。5小时。一个缺失的if语句。

---