【AI编程的真相：是2倍杠杆，还是在制造精美的废话】Jacob O'Bryant在回顾2026年AI编程现状时指出，AI对生产力的提升更接近2倍而非神话般的10倍。其核心逻辑是阶梯理论：AI已经足够高到能跨上自动化反馈回路这级台阶，实现闭环调试，但再长高也无法自动解决代码架构的维护性与文档信息的取舍。目前AI最擅长处理客观可验证的逻辑，但在需要人类直觉和全局设计的领域依然乏力。这件事的底层矛盾在于：AI极大地降低了动工门槛，却没能降低交付高质量软件的认知负荷。评论区对此极度撕裂，有人靠AI实现了从0到1的无限倍跨越，甚至构建了8万行自己都没读过的代码；也有人深陷于清理AI生成的逻辑正确但全局混乱的屎山。最值得带走的洞察是，AI加速了Coding本身，却让测试、评审和对齐成了新的瓶颈。当思考被外包给LLM时，产生的往往是局部最优的废话。最硬核的建议依然是：让AI写代码，但永远别让它写README和注释，因为真正的工程思维是无法被Token化外包的。 obryant.dev/p/2x-not-10x/