当 AI 抹平编程的摩擦，工程师如何积累判断力

一篇在 Hacker News 上引发讨论的文章指出，AI 编程工具在消除繁琐工作量的同时，也可能一并抹去那些让工程师成长的「塑造性摩擦」——而缺乏这种磨练的新人，将难以真正胜任工程工作。

两种不同的摩擦

作者将编程中遇到的阻力分为两类：

• 无用摩擦：记忆 API 签名、编写重复样板代码、反复查阅配置文件等机械性工作。这些任务耗时且无助于能力成长，AI 自动化它们几乎只有好处。
• 塑造性摩擦：在六小时反复打磨中将复杂问题拆解、阅读他人设计的系统、生产环境调试、追踪跨服务对象的状态、理解为何同一逻辑在一个环境生效却在另一个环境失败——这些让人「不舒适」的体验，恰恰是工程师形成判断力的过程。

作者引用理查德·桑内特《匠人》中的观点：思考与制作不可分割，「当头脑与双手分离时，理解就会受损」。工程师只有在动手实现的过程中，才能真正摸清需求的边界——这也是为什么「先写一份完美规格」从未真正奏效。

AI 同时剥离了两种摩擦

文章认为，当前主流的 AI 编程使用方式——作者称之为 vibe coding——很少刻意区分上述两类摩擦。例如：

• 让一名初级工程师请 AI agent 实现一套新的鉴权流程，几分钟后就会收到跨十五个文件的改动：新增中间件、新接口、数据库变更以及界面更新。
• AI 已经完成了「初级」工作，却把架构审视、边界推理、漏洞识别、边界条件推演这些「高级」任务，留在了一个尚处初级阶段的人面前。

传统学徒制遵循「观察 → 指导 → 重复 → 独立」的渐进路径，责任感随判断力同步成长。而今天的局面更像是：直接给学徒配备了一支高效而能干的工人团队，然后告诉他「你是主管了，请审核他们的工作」。

不应被忽视的代价

文章提醒，AI 带来的产出快感容易让人跳过真实的构建痛苦。当我们不再经历那些塑造性摩擦，工程师对系统的直觉、对细节的敏感、对凌晨三点故障的预判，都会失去形成的基础。资深工程师的判断力，正是这种长期浸染的产物。

作者并未否定 AI 工具的价值——样板代码和重复劳动理应被自动化。但他呼吁行业更严肃地讨论一个交换：我们正在用什么换取效率？只追求输出速度而忽略「做得好」的本能，最终会让我们失去分辨「够好」与「不够好」的能力。