文章摘要
AI大幅提升了软件工程效率，但也加剧了代码质量失控问题。缺乏严谨工程文化的团队，在AI辅助下能快速产出大量代码，导致代码库迅速恶化，资深工程师难以维护。
文章总结
好的，这是根据您的要求，对原文进行中文重述后的版本：
标题：AI正在淘汰软件工程中的“中间阶层”
核心内容：
想象一下，你是团队里最资深的工程师，负责代码质量和架构。你建立了良好的工程规范，认真审查经验不足同事的代码，努力维护健康的代码库。但当你休假回来，发现代码库变得一团糟：大家随意合并代码，有人为了省事在数据库里乱加表，还有人毫无根据地引入了复杂的技术栈。不过，你还能收拾残局。
时间快进到2026年。一个普通的周一早晨，你打开电脑，发现有7个代码审查请求等着你。第一个请求就涉及两万多行代码的增删，还附带着AI生成的说明。你的团队在周末做出的改动，比以前你休假几周时还要多。
AI移除了速度限制
AI让那些工程文化薄弱的项目失败得更快。过去，人们会坐下来讨论如何实现某个功能；现在，他们只需向AI助手下达指令几小时，就能提交一个代码审查请求。这种工作方式最可悲的是，从表面上看，它似乎“有效”。如果你拉取分支并测试，可能会得到一些能运行的功能。于是，团队会继续这样干下去，直到项目变得无人能懂。
这就像用信用卡买豪车——你只看到车很漂亮，却看不到背后的债务。当用户开始报告一个奇怪的bug，而团队已经尝试修复了四次（实际上是让AI修复了四次）都无果时，问题就暴露了。你去问负责这个功能的同事数据从哪来，他回答：“嗯……我不知道，让我问问Claude。” 你们俩一起看着屏幕上不断滚动的AI回复，却没人知道它说的对不对。项目变得如此复杂，以至于团队里没人能理解其运作方式。
想修复它？工作量巨大，根本无法向管理层证明其必要性。而且，即使修复了，几个月后项目又会回到同样的混乱状态。于是，你们只能继续依赖AI，但AI的使用额度可能已经用完了。你回到电脑前，发现又有13个审查请求等着你。你看到一个不理解的地方，问写代码的人为什么这么做，对方却发来一个与Claude的对话链接，说设计决策就埋藏在那冗长的对话里。
你再也负担不起糟糕的工程师了
每个团队里都有能推动项目的能人，也有让其他人工作更困难的人。现在，任何人都能一天产出过去一年才能写完的代码。在上述故事中，每个人都在犯错：提交两万五千行代码的工程师没有及时阻止AI；审查者没有拒绝审查如此庞大的代码；引入Kafka的人无法解释其必要性；构建功能的人无法解释数据来源。
问题在于，用AI修复错误并不容易。技术债务本身不是问题，问题在于你是否清楚自己走了捷径。撤销一个糟糕的决定非常困难。比如，AI用10分钟就能在数据库里加一堆表和列，但一旦开始存储数据，你就不能随便删除了。你需要制定迁移计划，确保不中断服务，考虑迁移失败怎么办，还要避免产生孤立的外键。修复起来极其麻烦。而当你还在修复时，更多的代码审查请求又涌了进来。
新的AI经济
当然，糟糕的工程师一直是团队的负担。过去，他们制造问题的速度有限。但现在，实现功能变得廉价，你的价值在于做出正确的决策，在于管理复杂性。想想看，为什么公司要在伦敦或旧金山为工程师支付六位数的薪水？如果只需要能把需求变成代码的人，他们早就可以在别处用更低的成本做到了。
我的判断是，AI会进一步拉大薪资差距。要获得就业机会，你必须达到当前最佳AI模型所能做到的水平。优秀的工程师因为AI而变得更有价值，他们不再需要那么多帮手来完成实现工作。与此同时，糟糕的工程师则变得“昂贵”得难以雇佣。你需要贡献出超越“给AI助手一个指令就能得到的东西”的价值。如果你缺乏评估AI建议所需的判断力，那么向AI寻求更多判断也无济于事。最终，团队里必须有人知道到底发生了什么，而这个人就是最有价值的。
那些不具备这种能力的人，要么变得更容易被廉价替代，要么被完全取代。资金会流向那些真正值得信赖的少数人。我认为这不会仅限于软件工程，大多数知识工作领域都将发生同样的事情：AI会让最优秀的人效率倍增，而让糟糕的人几乎无法被雇佣。过去，糟糕的决策还有机会在酿成大错前被纠正；现在，他们制造问题的速度，已经快过任何人能有效审查和理解的速度。
评论总结
根据评论内容，总结如下：
主要观点与论据：
AI加速低质量工程失败（评分：无，作者：whywhywhywhy）
- 关键引用："AI makes projects with weak engineering culture fail much faster." / "AI让工程文化薄弱的项目更快失败。"
- 论据：AI让开发者跳过讨论直接生成代码，导致项目最终无人理解系统。
短期收益带来长期痛苦（评分：无，作者：jqpabc123）
- 关键引用："Any apparent short term gain is really a prescription for long term pain." / "任何表面上的短期收益都是长期痛苦的处方。"
- 论据：引用Oracle禁止AI代码的案例，说明行业对AI的警惕。
AI导致公司迷失（评分：无，作者：delduca）
- 关键引用："I saw close some companies getting completely lost with AI code." / "我看到一些公司因AI代码而完全迷失。"
- 论据：直接观察到的企业失败案例。
AI加剧工程师两极分化（评分：无，作者：mjr00, declan_roberts）
- 关键引用："the bottom X% of developers have become essentially worthless while the top Y% of developers are now more valuable than ever." / "底层X%的开发者变得毫无价值，而顶层Y%的开发者比以往更有价值。"
- 论据：AI让低水平工程师被淘汰，高水平工程师效率倍增。
AI是放大器而非替代品（评分：无，作者：mikert89）
- 关键引用："AI gives more leverage to exceptional people, its an amplifier not an extender." / "AI给杰出的人更多杠杆，它是放大器而非扩展器。"
- 论据：AI提升优秀者的能力，但无法弥补基础能力不足。
AI代码可管理性争议（评分：无，作者：pelagicAustral, oceanplexian）
- 支持方："There are ways of doing this stuff, dear luddites." / "有办法处理这些，亲爱的勒德分子。"
- 反对方："Breaking up code into small reviewable pieces is obsolete advice from legacy software engineering." / "将代码拆分成可审查的小块是过时的建议。"
- 论据：一方认为AI代码可审查，另一方认为未来需改变审查方式。
AI对初级工程师的冲击（评分：无，作者：petcat, scronkfinkle）
- 关键引用："the automation of the stackoverflow engineer" / "StackOverflow工程师的自动化"
- 论据：AI取代了低端编码工作，提高了行业入门门槛。
管理层的误解与压力（评分：无，作者：tvbusy, i_idiot）
- 关键引用："enormous effort required to explain to the management why number PRs has increased" / "需要巨大努力向管理层解释PR数量增加的原因"
- 论据：管理层将AI生成的代码量视为生产力提升，忽视质量风险。
平衡性总结： - 支持AI的视角：AI提升效率，让优秀者更强大，未来需适应新工作方式。 - 反对AI的视角：AI导致代码质量下降、团队迷失、初级工程师失业，且短期收益掩盖长期风险。 - 中立视角：AI是工具，结果取决于使用者的能力和组织文化；行业正经历转型阵痛。