我第一次真切感觉到技术变革的冲击，是在2026年春节。当时Apache APISIX遭遇一个极难复现的Bug，团队排查多日无果，最终将问题描述投喂给AI Agent，它仅用不到10分钟便通过静态代码分析精准定位了病灶。这促使我们进行了一次更大胆的测试：让AI复刻一个生产级项目。结果证明，只要厘清架构与核心概念，AI半天完成的代码量相当于资深工程师三个月的工作量。基于此，我烧掉了几百亿Token，得出了一个明确判断：AI的编码能力已然溢出，当下真正的瓶颈不在AI，而在人。
资深工程师的核心价值，正从“如何实现”转向“为何如此”。AI能完美执行What和How，却无法理解架构设计背后的Why。那些在公开知识库中找不到的技术权衡、踩坑经验与概念抽象，才是人类工程师的护城河。因此，我在公司内部推行“禁止手写代码”，将“打字”工作完全交给AI Agent。这一决定遭遇了强烈的“领地意识”反弹，尤其是那些自我设限的前端或后端工程师。事实上，打破边界后，哪怕不懂前端代码，只要明确配色、加载策略等评判标准，也能做出合格的产品。这种模式让需求闭环从数周缩短至半小时，彻底重构了产品交付流程。
关于AI生成的代码究竟是玩具还是生产级应用，界限不在于代码本身，而在于指挥AI的人。如果缺乏对架构的敬畏心，即便是简单的CRUD也无法写好。在AISIX（AI网关）的研发中，我们重度使用AI编码，但核心概念设计、架构选型等关键决策绝不假手于人。为了应对AI每天提交的数千行代码，我们建立了“AI写、AI审”的流程：用Claude Code编写后，冷启动一个独立的AI Agent进行审计，辅以CodeRabbit等工具进行第二层检查。人则从繁琐的审查中抽身，专注于优化自动化流程与最终拍板。
在使用AI编程的进阶之路上，我经历了从“堆框架”到“扔掉框架”，最终进入“高质量决策”的阶段。初期依赖各种Prompt集合搭建软件工程，中期发现大模型已足够聪明，只需将个人经验沉淀为百行左右的配置文件即可。现在，我一天需做四五十个技术决策，这让我意识到精力的重要性。高效使用AI并非追求全天候的“上瘾式编码”，而是将高质量决策集中在上午至下午三点，其余时间通过运动与阅读恢复精力。毕竟，AI能解决执行问题，但无法替代人的判断力。
至于为何重写网关，源于AI流量与API流量在核心概念上的本质差异。AI流量涉及LLM Provider、虚拟API Key及模型合议等原生需求，硬套传统API网关显得极不自然。因此，我们从零用Rust编写了AISIX，利用其无GC停顿、高并发的特性，完美适配AI长连接流式输出的场景。这不仅是技术栈的升级，更是对行业痛点的精准回应——对于大量调用大模型API的企业而言，成本控制与安全合规是实打实的挑战。
最后我想强调，现阶段企业最应警惕的是“省着用Token”的心态。AI的能力已经溢出，跟不上的是人与组织。要让AI真正赋能业务，就不能让成本和安全顾虑成为挡在创新前的墙。油门必须敢踩，剩下的课题，是如何让团队的经验沉淀与决策效率跟上AI的迭代速度。
本篇内容整理自网络，同步发布在 AEX新讯社中文网、希鸥网、斯贝瑞品牌资讯、RCEO创新网、AI联播网、创新日报 等媒体平台。如需删改或发布内容，请联系微信：meisceo29