「AI编程这一年:代码越来越多,理解越来越贵」这一年AI编程从“补全一行”走到“跑一整条循环”:模型自己改、自己测、自己重试,人退到后面定目标、看差异、兜底验收。Ralph循环、Loop Engineering、多智能体流水线都顺着同一条线——把提示者从键盘前挪到系统外。问题也跟着变。METR早先那组实验里,16位资深开发者在自己熟了多年的仓库做246个真实任务,用早期AI工具反而平均多花19%时间,自己却觉得快了20%。后来模型更强,2026年复测受样本偏差影响,数字不可当定论;但体感与秒表之间的缝还在:生成变便宜,理解、审查、回滚的账没消失,只是转移了。真正要防的是认知债务:代码在跑,没人说清关键设计为什么这样留;循环能自我修正,却不会质疑当初的拆分对不对。工厂化叙事再漂亮,也得有控制面——人定边界,编排管状态,执行碰代码,验收卡测试与安全。少写几行不是终点,团队还看得懂、改得动、出事能定位,才算把AI红利落进交付里。








