导读

用了claude code进行了一个fastapi+react的项目开发，还上了spec-kit，发现逻辑、规划、任务都设计的很好，但是在执行完成后的东西各种低级错误和bug，还得花大精力调，如果不了解技术栈的具体使用，这样根本没法开展新的项目，还是有不小的障碍。想问问各位大佬有没有什么好的建议？是我没用对吗？

我认识一个人叫老陈。

他在一家中型软件公司做技术总监。四十二岁，头发开始秃，戴一副很普通的黑框眼镜，说话很快，有一种被长期deadline训练出来的急迫感。他手下管着三十几个人。

2023年底，他做了一个决定。他决定在他负责的一个核心项目里，大规模引入AI。

他跟我说这件事的时候，声音里有一种我没见过的兴奋。他说：这次不一样了。这次真的不一样了。

我说：哪里不一样。

他说：以前的工具是工具。这次是同事。

那个项目做什么不重要。你只需要知道，它足够复杂。

涉及十几个模块，几十万行代码，三个外部系统的对接，两年半的历史债务。团队里有老人，有新人，有人负责前端，有人负责后端，有人只负责跟甲方打交道然后把需求翻译成人话带回来。

这种项目，任何一个环节出问题，都会卡住后面所有的人。

老陈说，他想用AI把这个链条的每一个环节都加速一遍。需求分析，代码生成，测试，文档，review。全线提速。

他做了一个计划。他把这个计划发给我看，有二十几页。

我看完说：你预计节省多少时间。

他说：保守估计，整体效率提升百分之四十。

我没说话。

他说：你不信。

我说：我不知道。

我第一次见老陈是在一个技术沙龙。那是2019年，他在台上讲微服务改造讲得很细，每一个技术决策背后都有具体的原因，不是那种读了PPT就能讲的东西，是真的踩过坑之后的东西。

我后来跟他聊，他说，他这辈子最怕的不是技术问题，是技术问题背后的人。

我说：什么意思。

他说：你解决了技术问题，你以为完了。但技术问题背后有人，那些人有习惯，有利益，有不愿意改变的理由。你把系统升级了，但使用系统的人没有升级。然后你发现问题还在。只是长在了一个新的地方。

我记住了这句话。后来见了很多次，发现他一直是这样的人——知道系统是由人构成的，不只是代码。

所以当他说AI是同事，我知道他说的不只是技术判断。他在说一种期待。

项目启动三个月后，我去他公司拜访。

他在一个会议室里等我。桌上放着三个屏幕，全是打开的对话窗口。他身后的白板上写满了东西，有流程图，有待办事项，有几行被划掉又重新写的字。

他看起来比三个月前瘦了一点。

我问：怎么样。

他说：比我想的复杂。

我说：哪里复杂。

他把椅子转过来，看着我。

他说：你知道AI最擅长什么吗。

我说：你说。

他说：它最擅长把一个已经想清楚的问题，快速地、准确地、漂亮地处理掉。

他停了一下。

他说：问题是，复杂项目里，大多数问题都还没想清楚。

我后来花了很多时间想他这句话。

一个复杂项目，它的复杂性来自哪里？

不是来自技术本身的难度。技术难度是可以学的，可以搜索的，可以一步一步解决的。真正的复杂性来自——你不知道问题是什么。

甲方说要一个”智能化的数据看板”。什么叫智能化？没有人说得清楚。你去问，他说就是智能一点。你去做，他看了说不对，不是这个感觉。你问是哪里不对，他说说不上来，就是感觉不对。

这不是需求不清晰的问题。这是有些东西在被说清楚之前，根本不存在。它需要在来回拉扯的过程里，慢慢地成形。

老陈说：我让AI写需求文档，它写得很好。条目清晰，逻辑严密，每一条都有根据。然后我把文档发给甲方，甲方说，对，就是这个。然后我们按文档做，做完了，甲方说不对。

我说：为什么。

他说：因为他们看到文档的时候说对，是因为文档写得足够合理，他们找不到反驳的理由。但合理不等于他们想要的。他们想要的，他们自己也不知道，要看到做出来的东西，才能知道那不是。

他说：AI帮我把这个过程加速了。我们更快地到达了”做错了”这个结论。

老陈的团队里有个人叫小魏。二十六岁，来了两年，是那种一眼就能看出来在技术上有天赋的人。老陈很看重他。

AI引入之后，小魏是用得最积极的一个。他用AI写代码，用AI review，用AI生成测试案例。他的产出量翻了将近一倍。

老陈开始很高兴。

然后有一天出了一个bug。一个很隐蔽的bug，藏在一个不常走的逻辑分支里，在特定的条件下会触发，触发了之后数据会出现细微的偏差，偏差不大，但是会积累。

找到这个bug花了将近两周。

老陈把小魏叫来。他说：这段代码你review过吗。

小魏说：AI review过了，没有问题。

老陈说：你自己看过吗。

小魏沉默了一下。他说：我看了，但AI说没问题，我就……

老陈没有让他说完。

他说：你相信它比相信自己多。

小魏没有说话。

我问老陈，那个bug后来怎么解决的。

他说：解决了。一个老员工发现的。那个老员工做了八年，他一眼就觉得这里哪里不对。说不出来，就是不对。然后顺着感觉往下查，查出来了。

我说：AI没查出来？

他说：我们也让AI查了。AI给了三个可能的方向，都不是。

我说：为什么。

他说：因为AI是从已知的模式里找答案。这个bug不在任何已知的模式里。它是这个项目特有的，跟我们特有的业务逻辑，特有的历史决策，特有的数据结构纠缠在一起的。它只能被一个在这里待了很久的人感觉到。

他说：那种感觉没有办法被训练。它是时间积累的。

这让我想起一个词。

隐性知识。Tacit Knowledge。是迈克尔·波兰尼1966年提出的概念。他说：我们知道的比我们能说出来的多。

一个老工人能听出机器的声音哪里不对。一个有经验的医生能感觉到这个病人有什么地方不正常，但他说不出来是哪里。一个在同一个项目待了八年的工程师，能感觉到这段代码有问题。

这种知识不能被语言化。不能被文档化。不能被训练进任何一个模型。

它只存在于那个人的身体里。他离开了，它就消失了。

AI能处理的，是显性知识。能被说出来的，能被写下来的，能被标注的。它在这个范围里，几乎无所不能。

但复杂项目里，最关键的那些判断，往往不在这个范围里。

四个月后，我再去见老陈。

他看起来更累了。但眼睛里有一种和之前不同的东西。不是失望，是一种被重新校准过的清醒。

我说：你现在怎么看。

他说：AI没有我想的那么有用。但也没有我后来以为的那么没用。

我说：说具体点。

他想了一会儿。

他说：它有用的地方，比我预期的有用。写代码，生成测试，处理重复的文档工作，这些它做得比人快，比人稳定，不会累，不会因为下午困了而犯低级错误。

他说：但它的边界比我预期的清晰。边界就是：它能处理已经被定义好的问题。问题越定义清楚，它越有用。问题越模糊，它越没用。

他说：然后你会发现，复杂项目里，定义问题这件事，才是最难的。不是解决问题。是搞清楚问题是什么。

我说：这件事AI做不了？

他说：它能帮你做。它能给你一百个可能的问题定义，逻辑都是通的，语言都是漂亮的。但你不知道哪一个是真的。你要自己判断。

他说：这个判断，它给不了你。

我后来想，为什么给不了。

不是因为AI不够聪明。是因为判断需要立场。

你选择相信哪个问题定义，背后是你的判断，你的经验，你愿意承担的风险，你对这件事的理解，你跟团队的关系，你对甲方的了解。这些东西综合在一起，形成一个”感觉”，然后你说：就是这个方向。

这个感觉是你的。它不能被外包。

你可以问AI，它会给你分析，给你利弊，给你建议。但你听完之后，还是要自己说：我选这个。

然后承担后果。

AI不承担后果。它回答完就结束了。下一个问题问来，它重新开始，不记得上一个问题是什么，不在意上一个判断对不对。

这不是缺点。这是它的本质。

但复杂项目需要有人记得。需要有人在意。需要有人因为之前的决定承担了什么，而在下一个决定里更谨慎，或者更果断。

这个”有人”，不能是AI。

老陈后来给我讲了一件事。

项目进行到中期，有一个关键的技术选型需要做决定。两个方向，各有利弊。团队里有人支持A，有人支持B，争了两周，没有结论。

老陈把两个方案都详细地喂给了AI，让它分析。

AI给了一个很完整的分析。它最后说，综合各方面因素，建议选择方案A。理由是一二三四五。

老陈看完，让团队也看。团队里支持A的人说，你看，AI也这么说。支持B的人说，你看，AI只是根据你提供的信息在分析，你提供信息的方式已经带了倾向。

两个人说得都对。

老陈说，那一刻，他突然意识到，他们在用AI争论，其实是在继续用另一种形式争论。AI成了一面镜子，每个人在里面看到自己想看到的东西。

最后他自己拍板选了B。

我说：为什么选B。

他说：感觉。

我说：说具体点。

他沉默了一下。他说：我在这个行业做了十几年。我见过很多项目。方案A从技术上看更合理，但它有一个假设，它假设我们的团队能在两个月内掌握一个新的框架。我知道我的团队，我知道这个假设太乐观了。AI不知道我的团队。

他说：这是AI永远缺少的那块拼图。它不认识我的团队。它不知道小魏最近状态不好，不知道老王下个月要请假，不知道我们跟甲方的关系正处于一个微妙的阶段，任何延误都会被放大。

他说：它只知道我告诉它的事情。我告诉它的，永远少于实际存在的事情。

项目最后做完了。

比原计划晚了三个月。预算超了一些。但做完了，甲方签字了，系统上线了，跑起来了。

老陈说：AI确实帮了忙。代码量大的地方，节省了很多时间。文档的地方，省了很多人力。测试的覆盖率比以前高。

他说：但那三个月，不是因为AI没帮上忙。是因为有几个关键决策，我犹豫了太久。我犹豫，是因为我在等一个确定的答案。我问AI，AI给我分析，我看完觉得还是不确定，我再问，它再分析，我还是不确定。

他说：我在等一个它给不了的东西。

我说：什么东西。

他说：确定性。

他说：复杂项目没有确定性。你只能在不确定里做判断，然后推进，然后根据结果调整。这个过程需要你接受不确定，不是消除不确定。

他说：我以为AI能帮我消除不确定。然后我在这个幻觉里浪费了很多时间。

我后来想到一个比喻。

AI是一个极好的副驾驶。

它懂路，它能看地图，它能告诉你前面有什么，它能帮你计算走哪条路最快，它不会累，不会走神，随时都能给你信息。

但它不能开车。

不是技术上不能。是它不在车里。它感觉不到这辆车今天的状态，感觉不到路面的颠簸，感觉不到油门的松紧，感觉不到坐在后座的人在等什么。

开车的人要自己判断：现在是踩油门的时候，还是踩刹车的时候。

这个判断需要你在场。

AI永远不在场。它在别的地方。它同时在一万个地方。它不在你这个项目里。

我最后一次见老陈是在去年冬天。

他们公司接了一个新项目，比上一个大。他又在做AI引入的计划。

我说：你还做？

他说：当然做。它确实有用。

我说：你上次说它没你想的有用。

他说：没我想的有用，但比不用强。我只是不再期待它能替我做决定了。

他看了看窗外。外面是深圳的冬天，没有什么冬天的感觉。阳光很大，街上的人穿着薄外套。

他说：你知道吗，我们团队里有个很年轻的员工，刚来三个月，特别依赖AI。什么都问AI，AI说什么他做什么。

我说：小魏？

他说：不是小魏，小魏后来好多了。是个新来的，叫阿坤。

他说：我有时候看着阿坤，会想一件事。他用AI用得这么顺，他在这个过程里有没有在积累什么。还是说，他只是在执行，执行，执行，然后有一天，需要他做判断的时候，他没有判断力。因为判断力是在跌跌撞撞里练出来的，不是在一路顺畅里练出来的。

他说：AI让很多事情变得顺畅。我不知道这是不是好事。

我说：你会去管他吗。

他说：我让他做了一些没有AI参考的决定。故意的。

我说：他怎么样。

老陈没有立刻回答。

他端起茶杯，喝了一口，放下。

他说：他很慌。他不知道该怎么办。他来问我，我说你自己想。他想了很久，给了我一个答案。

我说：答案对吗。

老陈说：不重要。

他说：重要的是他想了。

那天我走的时候，他送我到电梯口。

他说：你问我AI能不能做好复杂项目。

我说：你怎么看。

他说：能做很多事情。很重要的事情。

他停了一下。

他说：但复杂项目最后总会走到一个时刻。所有的工具都用完了，所有的分析都做完了，所有的数据都摆在那里了。然后要有一个人站出来说，我们就这么干。

他说：那个人，得是个人。

电梯来了。我进去，门关上。

我透过那条越来越窄的缝看着他。他已经转身走了，走回他那堆打开的屏幕里，走回那个复杂的、没有确定性的、只有人才能扛下去的项目里。

门关上了。