程序员必藏：AI如何重塑我的编程工作方式与效率提升秘籍

这篇文章是一位程序员分享自己从传统编程转向大模型辅助编程的经历。AI提升了代码质量，但初级工程师岗位需求减少；使用AI时面临"隐形认知负载"问题，需要在短时间内处理高密度信息；建议在agent coding时代，通过减少决策次数、明确路径和边界来保护精力，找到适合自己的节奏，而非盲目追求速度。

工作方式前半场

工作第6年，前5年刚好踩在互联网疾驰高铁最后一班。

和大多数后端程序员无异，从CRUD、单页 App 开始刷项目经验，学缓存、数据库、数据分析、运维。

遇到问题就靠搜索引擎、翻文档、博客、扒源码，一点点把需求拆解、把方案拼接起来。

被颠覆的下半年

前一年，我还对辅助编程、预测下一行嗤之以鼻，现在回头看，那只是过渡期。

到 2025 下半年，我已基本不写代码，Show Me The Code变成了Code Is Cheap, Show Me The Prompt。

AI 的确提升了代码质量。

以前加班写的，事后回看几乎都是垃圾代码；现在把提示词写清楚，交给大模型完成，只需要确认。审核代码也有大模型兜底，加班写的东西，终于能用了。

当然指向也很明显：时间贫困并没有发生本质改变。

初级工程师困境

AI 并没有摧毁我过去的经验。

在解决需求和问题上，它很像一个自我驱动力强的工程师，分析需求、检索任务、提出计划、反馈修改、拆解任务、逐个完成、测试验证。过去积累的“工程直觉”，只是换了一种方式被使用。

但它已重挫初级工程师的招聘需求，愿意给初级程序员机会的中小型公司越来越少，等一个初级成长，不如给中级一个高配大模型上手更快更便宜。

隐形认知负载

团队给我配备了最顶级的 AI，Gemini 3、Claude Opus，效率确实提上来了，也摸到了一些写提示词、组织上下文的门道，之前需要多轮对话反复确认的方案，现在轮次明显降低，结果可用性也上去了。

但很快，另一个问题出现了，我跟不上 AI 的思考了。

一开始我还很乐意 A 需求开个对话，等结果时切到 B 任务写提示词。慢慢发现，有时不光写提示词，连确认一个计划也需要我全神贯注看细节，找问题，修正反馈。

在以前，光调研、拆解任务就能花掉一整天。

现在它们被压缩成小时甚至分钟级的任务，像是一个10公里以上的中长跑，但你被要求用短跑的速度去理解和反馈大模型输出的结果。

我的大脑有时转不过来了，被迫停下来看点文档、博客，跟当前任务无关的且信息密度低的东西来缓解这种状态。

以前这种情况只可能出现在加班，现在它蔓延到了正常上班时间。

慢下来不是倒退

也许这正是 agent coding 时代的隐性问题：

并非效率不够，而是人类的注意力机制，本就不为分钟级决策密度而设计。

大模型在同一个对话里切换上下文，很容易失去焦点，但只要开启新对话，它又是全新的自己。既然人没办法瞬时清空切换任务，有没有办法减少一点损耗呢？

我没有准确的答案，但有一个方向可以试试。

我们的目标是减少决策次数，如果一开始就明确路径和边界，写尽量详细的提示词和步骤引导，让大模型沿着我们预设的轨道跑，而不是等待它猜测给选项，被迫在短时间内消化信息，是不是就能更好地保护自己的精力呢？

可能明年此刻这个问题依然存在，但人不是机器，旧时代的肉身节奏，不应该正面硬刚新时代的加速度。

未来，大模型性能过剩是必然的，慢下来并不代表古法炼钢，找到自己的节奏和方向感，反而才是必修课。