AI Coding 时代，最危险的是你看不懂 AI 写的代码

看完这篇推文，我觉得所有正在学习 AI Coding、准备进入 AI 行业的人，都应该认真看看。包括我自己。

AI 时代最危险的事情，不是你不会写代码，而是 AI 已经帮你写完了整个项目，你却根本不知道它是怎么运行的。

现在 Codex、Claude Code 这些工具真的太强了。以前可能需要学习几个月才能完成的项目，现在你只需要把需求描述清楚，AI 就能帮你搭建前后端、设计数据库、编写 API，甚至完成部署。

但问题是，项目能跑起来，就代表你真正掌握了软件开发吗？

我自己这几个月一直在用 AI 做企业项目，越来越发现，AI Coding 最大的陷阱，就是它太容易给人制造一种自己已经掌握技术的错觉。

比如让 Agent 帮你开发一个 RAG 知识库，几个小时就搭建完成了。前端有了，后端有了，数据库也连接成功了，问答功能看起来也没什么问题。

但如果客户突然告诉你，系统访问不了，API 一直返回 500，数据库查询特别慢，文档上传之后检索不到内容，或者某个用户看到了不属于自己权限范围内的数据，你该怎么办？难道继续把所有报错截图发给 AI，让它不停地修改，直到系统碰巧恢复正常？

当然可以让 AI 帮你排查，但如果你连问题可能发生在哪一层都不知道，就很难判断 AI 给出的修复方案到底有没有解决根因。

所以我现在越来越觉得，相比于天天研究各种新的 Agent 框架，有几项基础能力反而更加值得学习。

首先是读代码。你可以不亲手写每一行代码，但至少应该知道整个项目的目录结构、核心逻辑、数据流向，以及关键模块之间是怎么交互的。

其次是 Git。不是只会 git add、git commit，而是知道每一次修改究竟改变了什么，学会看 Diff、管理分支、处理冲突，出了问题还能找到之前正常运行的版本。

还有 Debugging、SQL、HTTP、API、基础数据结构，以及真正的项目部署。这些东西听起来没有 RAG、Agent、MCP 那么吸引人，但它们决定了你能不能把一个 Demo 变成真正可靠的软件。

尤其是 Debugging，我觉得这是 AI 时代特别容易被忽略的一项能力。

以前程序员遇到 Bug，需要自己看日志、读代码、查文档，一步一步定位问题。现在很多人遇到报错，第一反应就是复制给 AI，甚至连报错信息都不看一眼。

久而久之，你可能越来越擅长给 AI 下指令，却越来越不擅长独立判断问题，这才是真正值得警惕的地方。

我并不反对 Vibe Coding，相反，我觉得 AI Coding 是未来软件开发的重要方式。但前提是，你不能把自己的工程判断能力也一起外包出去。

代码可以让 AI 写，测试可以让 AI 跑，文档可以让 AI 整理，但你必须能够理解它、验证它，并对最终结果负责。

对于想转型 AI Engineer、FDE 的普通人来说，我觉得最好的学习方式，不是把所有计算机课程从头看一遍，也不是每天追着最新框架跑。

而是真正做一个项目，从需求分析、技术选型、代码实现，到测试、部署、监控、维护，完整走一遍。遇到不理解的地方，就停下来研究，直到自己能够解释清楚。

哪怕只做一个真正部署上线、有人使用的项目，也可能比 GitHub 上堆十几个自己根本解释不清楚的 Demo 更有价值。

AI 正在让写代码变得越来越便宜，但理解代码、判断问题和承担工程责任的能力，并没有因此变得不重要。

未来真正有竞争力的人，不一定是代码写得最快的人，而是能够利用 AI 快速开发，同时又真正理解自己正在构建什么的人。

会使用 AI 是起点，能驾驭 AI 才是本事。