文章指出，AI技术发展要求更强的工程纪律，而非更少。作者澄清此前关于代码审查的观点被误解，强调并非鼓励草率发布代码，而是主张在AI时代需更严谨的工程规范。

好的，这是根据您的要求，对原文主要内容进行的中文重述，保留了核心细节，并删减了与主题无关的评论和脚注。

标题：AI 需要更强的工程纪律，而非更弱

核心观点： AI 的进步并未降低对工程纪律的要求，反而使其变得更加重要。代码生成的经济学已被颠覆，但软件工程的核心挑战——理解系统、确保可靠性——依然存在，甚至更为突出。

主要内容：

1. AI 代码能力的飞跃： 到 2025 年底，AI（如 Opus 4.5）生成的代码质量已接近普通软件工程师的水平，且速度更快、成本更低。代码从“垃圾”变成了“还不错”，这一转变速度惊人。AI 爱好者关于“变化比想象中更快”的预言已成真。

2. 代码经济学的颠覆： 代码生成变得几乎免费和即时。代码从需要精心维护的“资产”，变成了可随时丢弃和再生的“缓存”。这要求我们重新思考软件开发的模式。

3. 从“编辑”到“替换”的范式转变： 作者引用了 Chad Fowler 的“凤凰架构”思想。就像基础设施从“宠物”变为“ cattle”（可随时替换的牲畜）一样，应用代码也应如此。当重写成本极低时，原地编辑会积累熵，而替换则能重置状态。代码应被视为“理解的具体化视图”，有用时保留，过时即丢弃。

4. “删除测试”的启示： 如果无法轻松删除并重写代码，说明我们对系统的理解不够深入。我们害怕删除，是因为代码承载了太多隐含的知识、用户期望和未文档化的行为。这些不是代码问题，而是“评估问题”——我们缺乏判断新版本是否正确的标准。

5. 工程纪律的回归： 2025 年是“氛围编码”之年，而 2026 年将是“纪律回归”之年。AI 生成的代码需要更强的验证和测试。人类不擅长做“质量门”，而机器在验证方面远胜于我们。因此，我们需要将精力从编写代码转移到定义规范、设计架构和进行系统级验证上。

6. 生产环境是开发阶段： 作者强调，生产环境不是开发的终点，而是开发的一个阶段。我们需要在生产环境中进行测试、评估和可观测性（真正的可观测性）。非确定性代码的出现，正迫使我们去做那些早就该做的事。

7. 价值源于持久性： 尽管代码生成变得廉价，但真正的价值仍建立在系统的持久性和确定性之上。用户不希望界面每天变化，也不希望金融交易“大部分时间”能完成。AI 不是魔法，它仍然是工程问题，需要技术专家来解决。

结论： 作者对 AI 的未来感到兴奋，但兴奋点并非 AI 取代工程师，而是 AI 迫使我们提升工程纪律。通过将知识编码到系统中，我们可以获得巨大的非线性回报。作者期待学习新的工程问题，审查不同类型的工件，并永远告别那些痛苦、冗长的 API 重写或“绞杀者”迁移。

根据评论内容，总结如下：

主要观点与论据：

1. AI代码质量与人类监督（评分：无，作者：kstenerud）

   • 论据：AI生成代码需要坚实的设计和计划，否则会产生“垃圾”；AI在项目成熟后适应现实变化方面表现突出。
   • 关键引用："Writing software begins with a solid design that is defensible. If you don't have that, the AI will produce slop." / "一旦你有了满意的设计，你需要一个坚实的计划。如果没有，AI就会产生垃圾。"

2. AI加速开发但带来认知负担（评分：无，作者：turtlebro）

   • 论据：AI使编码速度大幅提升，但人类仍需验证、思考，导致疲惫和注意力瓶颈。
   • 关键引用："Previously you worked days on a feature, now it's done in a few hours and then onto the next." / "human attention bottleneck seems real."

3. AI导致技术债务与评估困难（评分：无，作者：ryandvm）

   • 论据：AI使所有工程师产出看似合理，但难以区分真正理解系统的人与“复制粘贴”者，产生巨大技术债务。
   • 关键引用："We are absolutely drowning in documentation and code that seems legit" / "the fallout from this phase... is going to be an exotic form of technical debt"

4. AI代码作为唯一工件是死胡同（评分：无，作者：trjordan）

   • 论据：AI代码缺乏手工编程的反馈循环，应关注人类产生的提示、计划等，而非仅依赖代码。
   • 关键引用："Trying to operate with AI-generated code as the only durable artifact of programming is a dead end" / "Focus on the thing that you, as a human, produce"

5. 对AI能力讨论的质疑（评分：无，作者：romaniv）

   • 论据：行业常用“新版本修复一切”来否定负面体验，使讨论不对称且不可证伪。
   • 关键引用："'You are prompting it wrong' becomes 'you are using Gemini, but you should use Clade'" / "This 'discussion' about capabilities is set up to be asymmetrical and basically non-falsifiable."

6. AI使抽象层次提升（评分：无，作者：e12e）

   • 论据：LLM可能实现“足够详细的规范就是可运行代码”的愿景，使高层描述成为核心工件。
   • 关键引用："LLMs will enable the dream of 4gl and 'sufficiently smart compilers'" / "rigid high level descriptions of the desired logic/process... become the relevant curated artifacts"

平衡性总结： - 正面观点：AI提升抽象层次、加速开发、适应变化（e12e, kstenerud） - 负面观点：AI导致认知负担、技术债务、评估困难、缺乏反馈（turtlebro, ryandvm, trjordan） - 中立/质疑：AI能力讨论不可证伪，需警惕行业宣传（romaniv）；人类仍需主导设计（kstenerud）