以前的屎山，起码还能让人看出哪里臭。

缩进乱七八糟、命名像报暗号、一个函数塞进两千行逻辑——这种东西确实恶心，但它表里如一。有经验的人一眼就能看出坑在哪，咬咬牙重构掉也就过去了。

AI 生成的代码不一样。格式极其工整，变量命名全是标准驼峰，注释漂亮，单元测试也配得整整齐齐。但写完合入的那个程序员，压根没看懂这段代码是怎么跑通的。

表面干净，里面是雷，而且没人知道雷在哪。这才是真正难处理的屎山。

以前手写代码，写完一个复杂的业务，就算花了一整天，你的脑子里也已经建好了一套完整的脑内模型。数据从哪流到哪、状态在哪个节点变、有哪些边界条件，那些细节是在一遍遍修改报错、反复挠头时，顺着你的神经元焊进脑子里的。格式可能没那么完美，但脑子是真懂。

在 vibe coding 时代，这个脑内模型直接没了。

程序员描述完需求，Cursor 或者 Claude 刷地一下喷出两百行代码。代码看起来严丝合缝，本地跑几个测试用例也绿了，于是直接合入。从提需求到上线只花了十五分钟，效率提升了十倍。

但代价是，脑子里的模型是零。

到了夜里线上报红，他从床上爬起来，面对的是两百行由一个冷酷、完美的机器在十五秒内吐出来的代码。这时候他不是在调试自己写的东西，而是在破案，像看天书一样去读一个陌生人的逻辑，在极度焦虑的故障时间里现学这段代码的边角料。排查速度慢得能让人把键盘砸了。

为什么老逻辑没人敢碰，旁边却天天多出个 V2

如果你仔细看一些用 AI 辅助开发的复杂项目，会发现一个很诡异的现象：公共方法和复用逻辑变少了，防御性的冗余函数却在疯狂膨胀。

背后的根源在 AI 的安全牌策略。

大模型在修改已有代码时，通常非常保守。它最怕改动老逻辑导致别的地方报错，所以最常用的套路是安全隔离。 比如要微调一个用户鉴权的细节，AI 通常不会去重构那个写得像一团乱麻的通用公共类，而是会在旁边偷偷塞一个 getUserDetailsV2 或者只针对你这个新接口的私有助手函数。

对程序员来说，修改老代码也怕踩雷，看到 AI 搞出了一个完全隔离的新函数，觉得安全极了，顺手就点了通过。

这导致代码库里出现了大量长得差不多、各管一摊、永远不互相调用的僵尸函数。大家在用短期的局部安全，去透支长期的全局维护性。这种屎山甚至比以前的意大利面条代码更难清理，因为你想把这些零散的孤儿函数重新抽象合并时，发现根本没有一个活人敢动手去改。

两秒钟生成的完美文档，其实一句有用的话都没有

不仅仅是代码，现在连开发文档、接口定义也开始被 AI 精装修。

以前程序员手写文档，因为懒，通常只写最核心的约束、最容易踩坑的边界。字数少，但句句是血泪。 现在用 AI 写文档，你丢给它一堆代码，它能在两秒内给你吐出十页格式完美、Markdown 语法无懈可击的技术文档。

初看觉得规范极了，但稍微翻几页就会发现，这不过是用完美的废话把代码里的方法名、参数重新翻译了一遍。至于为什么要用这个架构、底层有什么并发限制、数据库锁为什么必须上这个级别，这些真正需要人脑思考的非功能性设计，文档里一个字都没提。

这不是 AI 偷懒，是它压根补不出来。方法名、参数、返回值这些白纸黑字写在代码里，AI 复述得天衣无缝；可为什么这么设计、当初是踩了哪个坑才绕成这样，从来就没落到代码上，只活在写代码那个人的脑子里。AI 没经历过那些坑，自然也编不圆这一层。文档看着厚，恰恰厚在它唯一抄得动的地方。

又臭又长的精装修文档堆在项目里，唯一的后果就是所有人彻底放弃看文档，排查问题全靠盲猜和给 AI 喂异常。

以前张口就能答的业务，现在全靠去 AI 那里冷启动

现在大家都在卷交付速度。以前一周写两三个需求，现在用上 AI 助手，一周能塞进来七八个。 开发速度被强行拉快，但人的认知带宽是有极限的。我们每天在不同的需求细节之间疯狂横跳，根本没时间停下来去审视、去琢磨每一行生成的代码是不是最优解。

慢慢地，团队内的沟通模式也在发生变化。以前线上讨论某个业务逻辑，大家当场就能给出确切的答复。现在越来越多的人会说：等一下，我得先去翻翻代码，或者我得去问问 AI。

这背后其实是一次危险的记忆外包。以前你写过的业务逻辑，那套上下文是常驻在你自己工作记忆里的，别人一问，不用查就能答。现在这套上下文整个搬去了 AI 那边，你自己脑子里反倒是空的。每次被问到，你都得现去把上下文重新加载一遍——从一个张口就来的人，变成了一个每次都要冷启动的缓存。

大家正在从代码的创造者，退化成代码和 AI 之间的转发接口。

所以，AI 确实不会写出传统的、格式难看的粗糙屎山。它留给我们的，是一座座用高档建材堆起来、打着精致领带、却谁也无法看懂的精装修黑盒。