08 · 总论与立场
把前面各篇压成可争议的判断。同意或反对都可以，但最好带着你自己的仓库证据。
十条立场
1. AI Coding 是杠杆，不是替身
它放大判断力，也放大混乱。没有判断力的人用它，会更快地制造债务。
2. 瓶颈已从「写」转向「定义与验证」
写不出来越来越少见；说不清、验不了、担不起责，才是新瓶颈。
3. 最危险的不是明显错，而是优雅地错
流畅的幻觉比丑陋的报错更能穿过评审。
4. 测试、类型、权限、观测是外骨骼
在生成成本趋近于零时，否决机制决定系统寿命。
5. 上下文资产是新的团队护城河
规范、ADR、架构说明、评测集、事故库，决定同样模型在你这里能有多强。
6. 人必须保持最终责任与关键理解
合并者就是责任人。不能解释的代码，不该进生产——无论谁生成的。
7. 组织若不改流程，工具只会放大方差
发账号很容易；改 PR、权限、度量、培训才是落地。
8. 「会用 AI」很快变成默认技能
分水岭是：能否用 AI 稳定交付可维护系统，而不是能否生成一段能跑的代码。
9. 经验没有过期，过期的是经验的存放位置
可压缩的模式知识贬值；不可压缩的业务真相、事故记忆、品味与责任升值。
10. 未来属于「小团队 + 强代理 + 强纪律」
头少、杠杆高、门禁硬。浪漫的纯手写与无约束的 vibe coding，都会在严肃系统上输。
一句话
用 AI 把实现变成廉价品之后，软件工程真正昂贵的东西会更清楚：弄清问题、约束现实、证明正确、承担责任。
给不同读者的行动建议
个人工程师
- 练规格、验收、对抗审 diff
- 把翻车写成可复用约束
- 保持对核心路径的手写/手调能力
Tech Lead
- 先建红线与仓库上下文，再追模型
- 改 PR 模板与评审焦点
- 度量周期与逃逸缺陷，而不是 token
组织
- 统一数据/权限/审计
- 投资内部知识与评测
- 招聘看判断与 ownership，不只看语法
相关阅读
这些看法会过期。模型会更强，工具会更顺，但「责任与验证」这条主线大概率更硬，而不是更软。