软件工程师报告称，在要求几乎所有开发任务都使用 AI 的指令下运行一年后，他们理解和维护代码库的能力显著下降。这种从手动工程到提示、等待和审查循环的转变正在创造一个反馈循环，开发者感到他们学到的更少，而底层的软件逻辑变得越来越模糊。
向被动开发的转变
Reddit 上的原始帖子描述了一个现状：在采用“100% AI 指令”一年后，团队发现没有人真正理解正在生成的代码。发帖者指出，这种对 AI 生成输出的依赖导致软件逻辑不再对负责人员透明。
Hacker News 上的评论者呼应了这些担忧，其中一名开发者指出，一家大公司的同行直到现在才开始害怕自己的工作。据报道，这位同行每天花费 10 小时向 Claude 输入提示词、等待结果并审查输出，而没有学到任何新东西，导致成为更好工程师的动力下降。
技能退化与个人影响
讨论中提出的主要担忧是个人工程技能的侵蚀。一位评论者指出，他们花了两天时间完成一项在 2024 年只需下午就能完成的任务，并将此归因于失去从错误中学习和在手动知识基础上构建的认知能力。
几位参与者的共识是，目前 AI 的使用有利于公司的即时产出，但可能损害个人的职业发展。这创造了一种权衡：以牺牲工程师维持代码库深度专业能力为代价来换取工作的速度。
设计与代码作为商业价值
讨论还涉及了作为产品代码与作为价值“引擎”的软件设计之间的区别。一位评论者认为，非技术管理层经常优先考虑 AI 生成的代码，因为它可见，而正确软件设计的无形工作更难作为业务支出来证明。
提出的另一个观点是到初创公司价值的长期风险。如果产品完全由 AI 编写，企业的价值可能会降低，因为底层逻辑很容易被逆向工程，仅剩下员工专业知识和客户关系作为独特资产。
经济与技术权衡
一些参与者质疑这些指令的时机，建议“反向 Token 价值通胀”意味着等待更便宜、更强大的模型可能会提供后发优势。这表明，全力投入当前的 AI 模型可能不如等待技术成熟那样高效。
关于 AI 生成代码质量的技术担忧也被提出。一位评论者质疑，当代码库完全由 AI 编写且“运行效果极差”时该如何处理，并指出即使是那些挣扎于代码的人类开发者，也很少产生有时在大型规模 AI 生成中看到的冗余且混乱的输出。