AI工具的好坏取决于你的判断力——而这正是关键

在工程团队中，一种不安的情绪正在蔓延：我是否越来越依赖AI？我的判断力是否在退化？

本文作者认为，这个问题本身问错了方向。真正的問題在于，你使用AI的方式是强化了判断力，还是取代了它。这两种模式截然不同，但大多数工程师在不经意间滑向了后者。

常见的批评是AI工具让工程师变得懒惰。但作者指出，问题不在于懒惰，而在于“放弃”——当你不加审视地接受生成的解决方案时，你并非在节省时间，而是在推迟一笔会利滚利的债务。一个复制粘贴AI生成的认证中间件的工程师，可能在没有仔细阅读的情况下，就埋下了生产环境异常时的隐患。例如，假设一个AI生成的中间件在处理某种边缘情况时出现错误，而工程师没有审查就直接部署，那么当凌晨两点发生故障时，他们需要花费更多时间来调试和修复，远超最初“节省”的时间。

作者强调，解决方案不是少用AI，而是“对抗性使用”。这意味着把AI输出当作一个聪明但过度自信的初级工程师的初稿：既不盲目拒绝，也不全盘接受，而是进行质疑。作者推荐一种具体的提示模式：让AI反驳自己提出的方案，指出未处理的边界情况、隐含的假设，以及如果代码被用于安全审计会做出哪些改变。例如，可以这样提示：“这是你提出的解决方案：[粘贴输出]。现在请反驳它。它未处理哪些边缘情况？你做了哪些在生产系统中可能不成立的假设？如果你知道这段代码会被安全审计的高级工程师审阅，你会做哪些改变？”运行这样的提示后，返回的内容通常都很有价值——比如遗漏的错误状态、关于输入形状的隐含假设、被忽略的安全攻击面。关键在于，你现在是与工具一起思考，而不仅仅是消费它的输出。

这种“生成—质疑—修正”的循环，正是判断力所在，也是保持敏锐的关键。未来五年，能出色运用AI的工程师，不是那些背诵最佳提示词模板的人，而是那些能对任何生成输出——代码、架构图、规格说明、测试套件——立刻提出正确质疑问题的人。这种技能需要通过刻意练习来培养，而对抗性提示正是其中一种方法。

AI本身并不会侵蚀工程判断力，被动使用才会。这个区别至关重要，而且完全在你的控制之中。作者每周在《AI Leverage Weekly》中深入解析一个具体的AI工作流程，并提供免费订阅。