Claude Code 创作者谈 AI 编程：开发者重点不再是逐行手写，而是守住代码质量

据 IT之家 9 月 12 日消息，援引《商业内幕》报道，Anthropic Claude Code 创作者鲍里斯·切尔尼近日围绕 AI 编程工作方式发表看法。他认为，随着 AI 深度进入软件开发流程，开发者的核心职责正在发生变化：关键不再是亲手写下每一行代码，而是确保进入系统的代码具备足够质量、可维护性和安全性。当地时间 10 日，切尔尼公开了一封开发者来信及自己的回复，这封邮件的标题直指当前团队中普遍出现的问题：“怎么处理 AI 垃圾代码？”

来源显示，切尔尼称自己每天都会收到类似来信，也会尽量回复。邮件中的匿名开发者提到，AI 编程正在改变工程师的日常分工：过去开发者更多是在编辑器里亲自实现功能，现在越来越多时间花在审查、理解和修正 AI 生成代码上。有人享受效率提升，也有人认为这种工作方式让开发变得更孤独、更乏味，甚至担心自己如果无法适应 AI 工具，就会在岗位竞争中处于不利位置。

两种 AI 编程路径：提速工具还是黑箱输出

这封邮件把当前 AI 编程中的分歧概括为两类做法。第一类相对克制：开发者仍按传统软件工程标准工作，只是借助 AI 加快编写、补全、重构或测试的速度。即便并不逐行审查所有生成内容，提交者也应该理解自己提交了什么，并能在需要时解释逻辑。更重要的是，代码不能因为由 AI 生成就降低维护标准。

第二类则更接近近来被讨论较多的“氛围编程”：开发者把代码视为黑箱，不太关注内部实现，只要最终产物能跑、能满足输出结果即可。这种方式在快速尝试中看起来非常高效，但也可能让项目积累大量难以解释、难以维护的问题。

切尔尼的回应并没有简单否定其中任何一种。他认为，两种方式并非非此即彼，关键在于使用场景。对于原型、实验性功能或一次性代码，把 AI 生成结果当成黑箱并非不可接受，因为这类代码最终可能会被丢弃，只要出现问题的影响范围有限，就不必为其追求生产级完美。

生产代码标准应更高，而不是因 AI 生成而放松

真正进入生产环境的代码，在切尔尼看来则完全不同。他明确表示，Claude 写出的生产代码标准应该比人类写的更高。这一点对中文开发者和技术团队同样有参考意义：AI 工具越强，越不能把“能运行”当成唯一验收指标。尤其在业务系统、基础设施、数据处理、自动化流程等场景中，代码一旦进入长期维护周期，后续成本往往远高于生成时节省的时间。

据报道，Anthropic 为此设置了多层防护措施，包括代码规范检查、测试、Claude 驱动的端到端测试、每日运行的 Claude 模糊测试、自动代码审查与安全审查、自动重构等。切尔尼认为，如果缺少这些机制，AI 生成代码很容易逐渐演变成难以维护的“烂摊子”。不过，随着模型能力增强，执行这些质量保障流程也会变得更容易，例如固定运行几套检查流程，或使用 Claude Code Review 等工具辅助审查。

• 原型阶段：可以更重视速度和输出效果，允许一定程度的黑箱化。
• 生产阶段：必须回到工程质量，关注测试、审查、安全和长期维护。
• 团队协作：提交者仍需理解代码意图，不能把责任完全转交给模型。
• 工具链建设：AI 编程需要配套自动化测试、审查和重构流程，而不是单独依赖聊天式生成。

影响解读：开发者角色正在向“质量把关人”转变

从产业趋势看，切尔尼的观点反映了 AI 编程工具进入新阶段后的核心矛盾：代码生成本身越来越便宜，但验证、治理和维护仍然昂贵。对企业而言，AI 可以提升研发吞吐量，却也可能放大低质量代码进入系统的风险。因此，开发者的价值并未消失，而是从“主要代码生产者”转向架构判断者、审查者和质量标准守门人。

来源提到，AI 行业中有人把这种新角色称为“mini CEO”。这个说法强调的是管理责任：开发者需要决定哪些 AI 产出可以合并，哪些必须拦下，哪些应当重写。对于正在采用 AI 编程助手的团队来说，这意味着评价开发效率不能只看生成速度，还要看缺陷率、可维护性、安全风险以及后续迭代成本。

切尔尼还建议，如果现有办法仍无法解决问题，开发者可以更直接地介入 Claude 的工作，或者让 Claude 重写整个代码库，甚至等待下一个能力更强的模型。对中文技术团队而言，更现实的启示是：不要把 AI 编程理解为“省掉工程规范”，而应把它纳入已有研发流程，用更严格的测试、审查和责任边界来承接效率提升。AI 可以写更多代码，但能否让这些代码可靠地进入生产环境，仍取决于人的工程判断。