前Meta工程师Evan X. Merz发文称，自己疑似因对采用AI编程工具态度较为保留而被裁。他透露在Meta的最后几个月里，AI生成的代码占比至少要达到90%才能获得合格绩效，但AI并未让他的产出翻倍。他观察到重度依赖AI的同事提交的代码相当脆弱，存在大量会导致长期技术债的隐患，例如团队顶尖程序员曾试图合并在鼠标悬停效果中使用JavaScript事件而非CSS :hover选择器的代码。如今他在另一家大型科技公司已完全转向100% AI生成代码，但认为这种模式对大规模SaaS产品不可持续。文章总结了AI导致代码库脆弱的四种方式：AI只编写浅层测试，遗留大量测试盲区；代码过度复杂，机械遵循DRY原则；人类对代码库的理解持续流失；PR生成速度超过审查能力，质量问题不断累积。他还列出四个危险信号：线上事故逐渐增多、事故恢复时间变长、错误只在真实用户侧暴露、用户体验持续恶化。作者警告，AI代码库是’AI为AI编写的软件’，用户与开发者的体验同时退化，最终形成恶性循环。
事件分析
这篇文章的价值在于披露了一个行业隐性现实：AI代码生成比例实际上已成为大型科技公司绩效体系的软性门槛（90%为底线），工程师的议价空间被大幅压缩。文中提出的四个失效模式——浅层测试、过度抽象、理解断层、审查节奏失控，并非新概念，但作者将其与事故率、MTTR、用户侧错误等可观测工程指标关联，构成了可验证的质量评估框架。值得注意的是，作者本人100%使用AI写代码，其批评并非否定AI编程，而是指向协作机制的滞后：人类从代码编写者退化为高速审查者后，传统的代码所有权与质量保障体系并未同步演进。可能的后续走向包括：企业加大对AI生成代码的审查工具链和静态分析投入、代码覆盖率之外引入语义级质量指标、以及’AI辅助审查AI代码’的双向流水线成为标配。
核心观点：AI编程的真正瓶颈不在生成速度，而在人类审查带宽，当理解跟不上产出，技术债便以事故率计价。
原文链接：Hacker News
