开发者的新技能栈
去年有一项研究表明，有经验的开发者在使用 AI 工具时速度慢了 19%。这一发现让所有人都感到惊讶，包括参与者本人，他们确信自己会更快。
这项研究是真实的。这一发现也是真实的。但是大多数人从中得出的结论是错误的。
这些开发者之所以慢，不是因为 AI 工具不起作用。他们之所以慢，是因为他们没有改变自己的工作方式。他们将 AI 安装到现有工作流程中，并期望出现奇迹。结果他们遭遇了阻力。
与此同时，那些围绕 AI 重构了整个方法的团队报告称，迭代周期减少了 50–75%。以前需要两小时的任务现在只需要 10 分钟。差距不在于 AI 是否有帮助。差距在于你是否适应了。
这种适应就是新的技能栈。
1、工作流程差距
显示 19% 速度下降的那项研究有一些值得注意的细节。16 位开发者中只有一位使用 AI 工具的经验超过一周。他们在自己维护多年的代码库上工作，在那里他们本来就已经很快了。他们排除了 AI 表现出色的样板任务。他们是按小时计费的，这意味着让 AI 空转的同时查看社交媒体没有任何惩罚。
换句话说：有经验的开发者，不熟悉 AI 工具，在熟悉的代码上工作，没有任何工作流程变化。这是看到收益的最糟糕的设置。
与那些已经 AI 原生的开发者形成对比。他们不只是使用 AI，他们已经重组了自己思考任务的方式。他们以不同的方式分解工作。他们以不同的方式指定。他们以不同的方式验证。工具不是附加组件。它是工作流程的中心。
结果的差异是戏剧性的。而且这与工具本身无关。
2、实际改变了什么
转变不是"学习使用 Cursor"或"精通提示"。工具每六个月就会变化一次。转变更加根本。
您不再受限于编写代码的速度。您受限于能够清楚地定义需要构建什么的能力。
就是这样。那就是反转。编写代码曾经是瓶颈。现在规范和验证是瓶颈。已经适应的开发者已经相应地转移了他们的努力。
这意味着技能栈现在看起来不同了。
3、相互叠加的技能
3.1 规范作为工程
AI 输出的质量完全取决于您输入的质量。模糊的提示产生模糊的实现。精确的规范产生精确的代码。
但这不是关于学习提示语法。这是关于根本能力，能够分解问题、清楚地描述约束，并在边缘情况成为错误之前预见到它们。
擅长这一点的开发者在 AI 出现之前通常就擅长这一点。他们编写了清晰的工单。他们在编码之前思考了需求。他们提出了澄清的问题。AI 只是使这一技能更有价值，因为现在它直接决定了输出质量。
如果您很难用清晰的散文描述您想要的内容，您将很难从 AI 中获得有用的输出。这是一项您可以开发的技能。在提示之前编写规范。描述快乐路径。描述失败模式。描述约束。然后生成。
3.2 验证作为主要工作
这是工作流程真正改变的地方。在旧模式中，您将大部分时间用于编写，而少量时间用于审查。使用 AI，这个比例会反转。您可能花费 20% 的时间生成，而 80% 的时间验证。
尚未适应的开发者将验证视为快速检查。已经适应的开发者将其视为主要事件。
这意味着要擅长阅读您自己编写的代码。理解陌生的模式。发现编译完美的微妙逻辑错误。识别何时某事物有效但不正确。
在 AI 生成的代码中需要特别注意的具体事项：
- 幻觉导入：看起来真实但不存在的库
- 自信的错误性：以完美语法陈述的逻辑错误
- 缺少边缘情况：快乐路径有效，而悲伤路径无效
- 上下文漂移：您早期指定的约束被静默丢弃
- 安全漏洞：如果您没有要求净化，您很可能没有获得它
这项技能不是出于怀疑主义而怀疑。它是校准的信任。知道何时接受，何时深入研究。
3.3 知道何时停止提示
这可能是最被低估的技能：识别 AI 何时在浪费您的时间。
如果您花费 20 分钟提示一个 5 分钟的脚本，您并没有优化。您在拖延。某些任务手动做会更快。某些问题需要探索性思考，不适合提示-响应模式。某些代码足够敏感，生成会带来不可接受的风险。
获得最佳结果的开发者不是那些对所有事情都使用 AI 的开发者。他们是那些已经开发判断力，知道哪种工具适合哪项工作的开发者。有时那是 AI。有时那是您自己的大脑和手指。
一个粗略的启发式方法：AI 在清晰定义的常见模式方面表现出色。样板、标准转换、熟悉的 UI 组件。AI 在非常新颖的问题、复杂的多平台业务逻辑以及任何需要它没有的深层上下文的事情方面有些困难。
将工具与任务匹配。
3.4 系统设计优于语法
当 AI 可以在几秒钟内生成基本的 CRUD 操作时，编写 CRUD 操作的能力就不再有价值了。剩下有价值的是知道所有这些部件如何组合在一起。
系统设计，即架构可扩展、可维护、安全系统的能力，需要 AI 无法复制的判断。它需要跨组件理解权衡。预见今天的决策如何影响明天的维护。在处理部件时看到整体。
这一直都有价值。现在它更加可见，因为例程工作被压缩了，而架构工作没有。
4、贬值的技能
4.1 语法记忆
没有人关心您是否记住了每个函数的确切参数。他们关心您是否能够架构解决方案、在事物崩溃时进行调试，并交付可工作的软件。
您仍然需要阅读和理解语法。您不需要记住它。价值一直在于潜在知识，而不是回忆速度。
4.2 原始编码速度
打字速度、键盘快捷键、快速实现功能的能力。这些是高效开发者的标志。它们现在不太相关了。我与之合作的很多人实际上使用语音来驱动他们的代理。我理解。
新的标志：您能够多么清楚地指定需求？您能够多么有效地验证生成的代码？您对您正在构建的系统有多好的理解？
4.3 样板流利度
能够快速搭建项目、编写标准模式、实现通用功能。AI 比您曾经将做得更快。理解样板仍然很重要。快速生产它不再重要。
5、适应路径
如果您目前处于"将 AI 安装到现有工作流程"阶段，这里是如何转变：
从规范开始。 在您提示之前，写下您真正想要的内容。快乐路径。边缘情况。约束。这个练习通常揭示您不知道自己想要什么，这就是为什么 AI 输出令人失望的原因。
将验证视为工作。 停止将审查视为提交之前的快速检查。将其视为主要工作。生成很快。理解和验证是时间所在的地方。为此进行计划。
建立何时使用 AI 的判断力。 跟踪一周。AI 何时节省了您的时间？AI 何时花费了您的时间？出现了什么模式？大多数开发者发现 AI 有帮助的类别和没有帮助的明确类别。具体类别因人和领域而异。
围绕 AI 的优势重组任务。 与其在功能上工作并偶尔寻求 AI 帮助不同，将功能分解为组件。生成样板繁重的部分。自己编写复杂逻辑。集成和验证。这一工作流程变化是收益的来源。
6、真正的技能
METR 研究参与者在变慢的同时感觉更快。这一感知差距具有启示性。"感觉"来自新颖性和快速生成。速度下降来自于他们没有考虑到的验证开销。
已经适应的开发者并不感觉更快。他们感觉不同。工作的形状已经改变。更少的打字，更多的思考。更少的编写，更多的阅读。更少的实现，更多的规范和验证。
获得 10 倍结果的开发者并不是使用比结果较差的开发者更好的工具的开发者。他们已经重组了自己的工作方式，以匹配工具擅长的事情。
这种重组是技能。不是提示。不是任何特定工具。认识到瓶颈已经转移，并相应地转移您的努力的能力。
成为 T 形的比以往任何时候都更重要。语言的细节、语法掌握、命令行英雄主义远不如知道一个良好设置的系统设计实际包含的内容重要。
能够理解这一点的开发者将会领先。继续将 AI 安装到不变工作流程的开发者将继续疑惑，为什么他们没有看到每个人都在谈论的收益。
工具不是魔法。工作流程变化是魔法发生的地方。
原文链接: The New Developer Skill Stack
汇智网翻译整理，转载请标明出处