AI工具介入产品开发后，整个团队都更累了
【原创投稿】 原创发布于 https://figma-file.store/blog/6162.html
你变快了，但系统变慢了
2026年2月，V2EX上一个叫 SummerOrange 的开发者发了一篇帖子，标题很简单：《AI 编程后，我更累了》。
帖子开头写了一段他2022年的经历。那时候他和同事做一个项目，要改 Raft、动 etcd、调 K8s 核心逻辑。两个人做一整年，最后写进仓库的代码不到800行。“那一年很慢。很多时间花在推一致性、讨论异常场景、设计升级路径。很多问题在真正敲出来之前，已经在脑子里来回过了几遍。”
然后他写到了现在。“AI 十分钟就能生成上千行代码，模块划分清晰。现在一天新增几千行代码很常见。很多时候，一轮对话下来就是上千行实现。”
帖子没有怨气，没有指责。他只是很平静地描述了一种感受。这个帖子收获了130多条回复。大多数只有两个字：“+1”。
有人在回复里做了个比喻，我觉得很精准：“古法编程还有思考-执行两个循环的过程，相当于做了负载均衡。现在 AI 极大缩减了执行的时间，就把负载全压到思考上了。”
这不是个别人的感受。Sonar 在2026年对1149名开发者的调查确认，72%的开发者每日使用AI工具，AI生成或辅助代码占比已达42%。GitClear 追踪了6.23亿次代码变更后发现，AI用户的代码产出量是普通开发者的4到10倍。中国信通院对2109家企业的调查显示，企业平均AI代码采纳率已从2024年的27%跃升至42.61%。
但同一个产品团队，迭代速度在变慢。
Faros AI 分析了10000名开发者和1255个团队，发现AI高采纳团队多完成了21%的任务、多合入了98%的PR。很多人看到这里会说"很好啊"。但PR评审时间暴涨了91%。公司层面的交付速度没有任何可测量改善。信通院的调查也印证了类似的模式：不到四成企业实现了超过30%的提效，更多人卡在"用了，但没质变"的区间。
个人的快和集体的慢，在同一个系统里同时发生。思码逸的《DevData 2026研发效能报告》讲得更直接：基础薄弱的团队引入AI后，产能不升反降。基础扎实的团队经历短期阵痛后呈V型反弹。同一批AI工具，放在不同团队身上效果截然相反。AI不会雪中送炭，它只锦上添花。
对于大型团队，瓶颈被转移到了审查、合规、测试等下游环节。对于中小微型团队，这个故事更锋利——他们本来就没有那些下游环节。
产品经理（大型团队）：省下的写需求时间，全搭进了解释和刹车
AI写PRD这件事现在工具多到泛滥。PMRead、Agimon、Zentrik，随便一个都能把录音变成结构化文档。
但你省下的四小时去了哪里？
去了解释，去确认，去跟利益相关者反复拉扯。AI很擅长从用户反馈里提取"用户想要一个导出功能"。它分不清"一个用户喊了三遍"和"三个用户各喊一遍"的区别。它生成的PRD看起来很完整，但每一项都得重新验证。
Yelp前PM Thomas Brouwer 说得直白：AI产品失败率高达95%，根因不是技术不行，是期望失控。信通院的数据更直接：人才短缺（34.02%）和投入成本高（26.85%）是企业智能化转型的两大核心障碍。产品经理的核心工作，从"写需求"变成了"当刹车"。每个人都说快了，PM的表态次数反而更多了——对AI方案说"不确定"，对利益相关者说"下个版本"，对团队说"先锁死方向"。每段对话都不大，但挤在一起就是一天精力上限。
产品经理（小微团队）：我同时是PM、运营、测试、客服
小微团队没有专职PM。在3到10人的创业公司里，"产品经理"通常就是创始人自己。
成都华睿数联科技的司丰瑞，一人公司，去年靠Cursor+豆包完成了4个软件项目，合同金额超60万元。他在采访里说，“过去一个人不敢接这种体量的项目，现在搭配AI工具，两个多月就能交付。”
但在同一篇采访里他也说了另一句：“最难的还是找项目、找资金。要不断对抗惰性思维。”
当你是公司里唯一的产品决策者，AI生成的PRD没有人可以帮你验证。你只能自己看、自己判断、自己为方向错误负责。AI加速了文档产出，但决策密度没有降低——它反而提高了。因为你省出了时间，就有更多决策等着你做。从7人砍到1人的那位SaaS创业者说得更直白：技术上的问题AI都能帮忙，但孤独感和决策疲劳是真实存在的。
V2EX上的讨论印证了这一点。有人在"感觉AI越强人越累了"的帖子里说：“一直以来要切换上下文，多开窗口等AI返回结果。挺累。”“老板期待变高了，cc+codex并行做的事情也越来越多。”
另一个回复更扎心：“安迪-比尔定律，硬件增加的性能，软件全部加倍拿走了。ai-boss 定律，ai 提的效，老板翻倍拿走了，所以员工越来越累。”
交互设计师（大型团队）：四个AI窗口同时开着的时候，我在替谁判断？
AI没法替交互设计师做逻辑判断，但它能替他们画界面。Figma AI、v0、Uizard都做到了"一句话生成一屏页面"。
Luke Wroblewski 在2026年记录过一个项目：团队用AI把三周交付周期压缩到一周，首轮代码完成度85%。他强调了另外15%——AI没搞对的部分正好是交互设计师必须亲自介入的边界情况。权限校验漏了，弹窗逻辑错了，空状态渲染成一片白。
BCG在2026年3月测量了一个拐点。同时使用三个AI工具，生产力在涨。使用第四个，生产力掉头向下——14%更多脑力消耗，12%更高疲劳度，19%更多信息过载，39%更多严重错误。对交互设计师来说，Figma AI画界面、Cursor搭原型、ChatGPT出文案、Perplexity查竞品。四个窗口同时开着，这个拐点太容易就突破了。
交互设计师（小微团队）：没有专门的交互设计这个角色
小微团队不养专职交互设计师。设计要么是创始人自己用Figma AI凑的，要么是外包的，要么直接抄现成组件库。
创始人打开v0，说"帮我生成一个登录页面"，AI出了五版。创始人挑了一版，直接丢给后端。没有交互逻辑评审，没有边界条件讨论，没有状态流图。三个月后用户反馈注册流程卡住了，因为AI没处理验证码超时的重发逻辑。不是AI画不出来——是没人告诉AI要画。在小团队里，没有人负责告诉AI那些"常识性"的东西。
36氪在2026年6月的报道里讲了一个更极端的例子：某金融科技公司全面接入AI编程工具后，月均代码产量从2.5万行飙升到25万行。短短几个月，仓库里积压了超过100万行尚未完成审查的代码。《纽约时报》把这一现象称为"代码大爆炸"：生成的速度，已经远远超过人类消化的能力。
对小微团队来说，这100万行他们审不完。他们甚至没有专门的人来审。
UI设计师：当所有产品长一样，谁还在意多调那2像素
NN/G在2026年的报告中指出，UI本身已经不再是产品的差异化因素了。视觉细节成了区分度的最后防线。AI不会在意这些——AI生成的界面在统计上是"对的"，在细节上是"糊的"。
对小团队来说，这个问题更无解。一个三人的SaaS创业团队不会有专职UI设计师。LOGO是AI生成的，界面是v0搭的，色彩方案是AI推荐的。每一次迭代，AI都从头生成。没有设计系统，没有组件库，没有像素级的一致性。当竞品也开始用AI生成界面，所有人的产品最终看起来一模一样。到那时候，你靠什么区分？
前端工程师：我合代码的速度越快，代码就越不值得信任
New Relic调查了一个巨大的反差：94%的技术负责人认为AI代码在评审时质量高于人类编写。同一个研究发现，这些"高质量代码"一旦上线，78%的团队报告了更多生产事故，86%报告资深工程师频繁救火，74%说至少25%的AI代码需要大量返工。
V2EX上一个人描述了他review AI代码的日常："一天下来真正写代码的时间不多，大部分时间都在读代码，在确认生成出来的实现有没有和现有结构冲突。刚看完一段，又出来一段新的；刚决定保留一种写法，下一轮生成又给了另一种实现。很多选择都不算错，只是需要自己一个个拿出来想一遍。“他把这种累定义为"不是那种熬夜的累，也不是体力透支的累，是脑子一直没有停下来的那种消耗”。
GitClear把这种现象叫做"只写模式"。遗留维护下降74%，重构锐减70%，代码重复率上升了81%。新加坡管理大学分析了30万次AI生成的commit，发现15%以上至少引入一个问题，24.2%的问题到了最新版本仍存活。
前端工程师（小微团队）：出问题的时候，没有后端来救你
小微团队可能没有正式的代码评审。前端就一个人，写完代码直接把分支合到main，测试靠本地跑一遍。
当AI帮他把组件产出的速度翻了三倍，他面对的局面是：每天有大量AI生成代码需要合入，但没有人可以帮他看一眼。思码逸的报告中有一个对小微团队尤其残酷的发现：基础薄弱的团队引入AI后，产能不升反降。因为AI生成的代码越多，引入的"僵尸问题"越多，而没有工程基础的团队完全不具备消化这些问题的能力。
V2EX上有个帖子记录了这种状态的极端后果。一个团队用vibe coding方式开发客服Agent，上线后"大量的核心代码都是AI自动生成的，代码结构复杂、抽象层级混乱，很多逻辑连开发人员自己都难以理解，更不用说维护和排查"。最终形成恶性循环：代码看不懂，只能继续让AI帮忙修改；AI修复了一个bug，却往往引入新问题。“今天修好了A，明天B又坏了，整个系统逐渐进入一种’越修越乱’的状态。”
这个帖子194条回复，最高赞的一条是：“正常，接受现实，继续让AI修。不然你的AI代码率不达标直接fire。”
后端工程师：我写的代码少了，但监督型加班变多了
82%的开发者用在写代码上的时间减少了。研究者提出了一个新概念：“监督型工程工作”——指导、评估、纠正AI的输出。
这不是写代码。这比写代码累。代码是你自己写的，大脑里有完整上下文。现在你面对的是AI生成的代码，它看起来都对，但你不确定它为什么这么写。你要在脑子里重构它的意图。每读一行AI代码，你都在心里做一遍逆向工程。
V2EX上那个SummerOrange的帖子对这种感觉描述得非常准确："以前一个开发者一天写300行代码算效率不错，写到400、500行已经很拼。写代码有节奏，也有成本。很多问题在真正敲出来之前，已经在脑子里来回过了几遍。"现在节奏完全不同，“很多实现从写法上挑不出毛病，但系统本身是有历史的。模型不会知道这些背景，它给出的实现往往是完整的。是否贴合当前的环境，需要自己去判断。”
36氪在2026年3月报道了Siddhant Khare的采访。这位软件工程师说了一段话，在国内外媒体上被大量转载：“AI让代码、文案、文档等内容的生成效率提升数倍，但审核与验证环节的效率却未同步跟进。人依旧是整个工作流程的核心瓶颈。这就像一家工厂更换了一台冲压速度快十倍的零件生产机器，可流水线末端的质检员依旧只有一个。”
他说AI疲劳的本质是结构性问题。管理者只看到代码交付量变多了、报表看起来格外华丽，员工的身心俱疲却被无视。
后端工程师（小微团队）：全栈的那个人，是你
小微团队没有专职后端。所谓的后端就是那个连数据库也要搭、服务器也要管、API也要写的"全栈工程师"。你可能是公司里技术最强的那个人，也是离线上环境最近的那个人。
更隐蔽的困境藏在认知外包里。Anthropic 2026年初的实证研究中，使用AI助手的开发者在代码理解测试中比手动组低了17%。70%的开发者报告编程技能因日常依赖AI而下降。
对于大团队里的后端，技能退化可能影响一次代码评审的质量。对于小团队里的那个"唯一后端"，技能退化意味着当线上出问题的时候，你连排查方向都想不出来。
测试工程师（大型团队）：bug多了52%，人手没动
DeviQA在2026年7月对300名QA工程师的调查：65%的QA在跟AI生成代码打交道。52%报告bug量增加了。58%说测试工作量上升了。没有任何一个团队的QA编制因此增加。
GitClear追踪的一个信号尤其值得注意：两周代码流失率上升了15%。AI生成的代码在两周内被重写或回滚的比例越来越高。对测试来说，这意味着他们花时间写好的测试用例可能很快就要废弃重来。
测试工程师（小微团队）：我们没有测试工程师
小微团队最残酷的现实是：测试通常是开发者自己。当AI让所有人的产出都翻倍时，测试能力没有因为AI而增长，反而因为AI产出的增加而被稀释了。思码逸的报告提到一个分化趋势：中位值企业的缺陷密度在下降，但尾部企业的问题密度均值三年翻了一倍多。质量差距在被AI拉大。
V2EX上那个失控项目的帖子里，有人问"你们都不测试吗，直接上线？"楼主回复说测试用例都有的，但因为业务场景对AI的延迟要求高，他们加入了大量流程的硬编码。流程一多就变成屎山。
这就是小微团队的真实处境。你以为缺的是测试，其实缺的是整个工程底座。
产品交付（大型团队）：上下游的信息已经开始断裂了
Addy Osmani 提出了**理解债(Comprehension Debt)**的概念：系统中存在的代码量和任何一个人类真正理解的代码量之间的差距。不像技术债会通过缓慢的构建来警告你，理解债滋生虚假信心——代码库很干净，测试一片绿色。但某天有人问"这个模块为什么这么设计"，全队没人答得上来。
36氪的报道里，一个技术负责人说的话让人印象深刻："我感觉自己不是在 review 代码，是在面试一个永远不累的实习生。“另一个 tech lead 的恐惧是"周一早上打开 GitLab”：一个周末团队提了17个MR，其中12个是AI写的，每个平均600行。“看个屁。我抽了4个我觉得风险高的认真看了，剩下的扫了一眼diff，CI绿了我就点Approve了。虚得很，但不点的话，整个团队就堵在我这。”
Faros AI的数据更残酷：31%的PR是在零审查状态下直接合并的。没有人决定不审查，只是审查者追不上产量。
产品交付（小微团队）：你没有可以断裂的"上下游"
小微团队本身就是"上下游"——所有角色挤在一个人或两三个人身上。当那个唯一的后端今天用Cursor生成了三段代码，明天他可能在跟客户对需求，后天他在修一个两周前AI生成的bug。没有人接力，没有人兜底，没有人能在他状态不好的时候帮他审查一段他有疑虑的代码。所有的"债"都集中到同一个人身上。
V2EX上一个人在他帖子结尾写了一段话，130多人点了赞同，但这可能是2026年最让人不安的一句话：“以前写代码累，是因为问题难。现在更多是密度高。每天都在读，在判断，在确认，在来回切换。这种状态持续久了，真的是超级累。”
不是因为AI不够好，是因为系统没有跟着换
Luke Wroblewski 说：“即便今天的AI工具在极大提升每个人的产出，但学科之间的墙壁没有改变。我们现在做的事就是把更多东西更快地扔过那堵墙。”
对于大型团队，墙在角色之间。对于小微团队，墙在"我"和"用户"之间——没有缓冲层，没有第二道防线。36氪那篇《AI太会写代码，人类已经审不过来了》的报道里有一句话，可能是对2026年AI开发最准确的素描：“5分钟生成1000行代码，40分钟才能勉强审完。写代码第一次变成了最轻松的部分。真正的卡点变成了理解与审核。”
信通院的报告提到，企业智能化建设重心正从"工具引入"转向"规模化落地"。行业已经在集体意识到"用不用AI"已经不是问题。真正的问题是：用了之后，流程、组织、信任模型、人才培养，有跟着变吗？
大部分团队的答案是否定的。
那怎么办
把验证视为核心竞争力。 对于小微团队，要把CI/CD搭起来，把自动化测试跑起来，把静态分析接进来。思码逸的数据清楚显示：CI/CD等基础工程能力直接决定了AI效用的上限。先夯实底座，再推AI。
为团队保留认知摩擦的空间。 Anthropic的研究证实了反复测试的结果：先自己思考再求助AI的团队，理解深度远高于一上来就交给AI的团队。AI可以加速执行，但不能替代理解。Siddhant Khare在采访里说：“先把顺序倒过来，先独立思考，明确工作目标，再判断是否需要使用AI。很多时候，一张白纸和二十分钟的独立深度思考，效果更好。”
把理解门槛加入流程。 每一段AI生成的代码，团队中要有至少一个人能口头解释它的运作逻辑。V2EX上那条最高赞的回复其实说出了一个朴素的道理：“虽然现在用AI，但是每行代码我都仔细看过，业务逻辑都知道是干什么的。还是要把握到自己手里。”
为一人建"虚拟团队"。 如果你是一个人或者两三个人，想办法引入外部的审查力量——开源社区、技术合伙人、定期的代码对调审查。OPC模式下最稀缺的能力不是你写代码的速度，而是你判断代码好坏的能力。
团队的累，从来不是因为AI不好。是因为我们想用AI加速一切，却忘了问一句：加速之后，谁在兜底？
大团队的答案是：上下游各有分工，但瓶颈转移了。
小团队的答案是：没有上下游，那个人就是我。
V2EX上SummerOrange那篇帖子的结尾，他说了一句话。没有怨气，没有指责，只是平静地描述了一个事实。这句话写在2026年2月，130多个人点了赞同，我把它放在这里作为这篇文章的结尾：
“现在项目推进得越来越快，人也越来越累。”’
参考文献
- Faros AI, “The AI Productivity Paradox Research Report”, 2026.
https://www.faros.ai/blog/ai-software-engineering - Vella & Blincoe, “The Impact of AI Coding Assistants on Software Engineering: A Longitudinal Study”, 2026.
https://arxiv.org/html/2605.23135v1 - Jeremy Osborn, “AI Didn’t Make Programming Easier. It Just Made It Differently Difficult”, Communications of the ACM, Jul 2026.
https://cacm.acm.org/opinion/ai-didnt-make-programming-easier-it-just-made-it-differently-difficult/ - Afroz et al., “The Fast and Spurious: Developer Productivity with GenAI”, NSF/FSE 2026.
https://par.nsf.gov/biblio/10677745-fast-spurious-developer-productivity-genai - Patrick Hammond, “AI Writes Better Code. We’re Getting Worse at Reviewing It.”, Atomic Robot, Feb 2026.
https://atomicrobot.com/blog/ai-review-fatigue/ - Julie Bedard et al., “When Using AI Leads to Brain Fry”, Harvard Business Review / BCG, Mar 2026.
https://hbr.org/2026/03/when-using-ai-leads-to-brain-fry - Nielsen Norman Group, “State of UX in 2026”, 2026.
https://www.nngroup.com/articles/state-of-ux-2026/ - AI Guild Blue, “Faster Is Not Fixed: Why AI-Accelerated Design Teams Are Shipping More Problems”, May 2026.
https://aiguild.blue/faster-is-not-fixed-why-ai-accelerated-design-teams-are-shipping-more-problems/ - DeviQA, “State of AI-Generated Code 2026: The QA and Testing Gap”, Jul 2026.
https://www.deviqa.com/blog/state-of-ai-generated-code-2026-the-qa-and-testing-gap/ - New Relic, “The 2026 State of AI Coding Report”, Jun 2026.
https://newrelic.com/sites/default/files/2026-06/New-Relic-2026-AI-Code-Report-06-09-2026.pdf - GitClear, “Write-Only Mode: AI Code Quality in 2026”, 2026.
https://www.gitclear.com/write_only_mode_ai_research - Lightrun, “2026 State of AI-Powered Engineering Report”, Apr 2026.
https://lightrun.com/ebooks/state-of-ai-powered-engineering-2026/ - Yue Liu et al., “Debt Behind the AI Boom: A Large-Scale Empirical Study of AI-Generated Code in the Wild”, SMU, 2026.
https://arxiv.org/pdf/2603.28592 - Sonar, “2026 Developer Survey”, 199IT, 2026.
https://www.199it.com/archives/1818307.html - 思码逸, “DevData 2026 研发效能基准报告”, InfoQ, Jul 2026.
https://www.infoq.cn/article/qgQoeipS5mb1feHBpTpp - 中国信通院, “AI4SE行业现状调查报告(2026年)”, Apr 2026.
https://zhuanlan.zhihu.com/p/2028125981165065371 - Addy Osmani, “Comprehension Debt: The Hidden Cost of AI-Generated Code”, Mar 2026.
https://addyosmani.com/blog/comprehension-debt/ - Shen & Tamkin (Anthropic), “How AI Impacts Skill Formation”, Jan 2026.
https://www.anthropic.com/research/AI-assistance-coding-skills
https://arxiv.org/abs/2601.20245 - 天攀科技, “认知外包陷阱：当你的团队离开AI就无法工作”, Apr 2026.
https://tianpan.co/zh/blog/2026-04-16-cognitive-offloading-trap-ai-team-dependency - 腾讯云开发者社区, “一个人干三个人的活：独立开发者借助AI智能体矩阵撑起一家公司”, Jul 2026.
https://developer.cloud.tencent.com/article/2713876 - 中国青年报, “一人公司兴起，小团队能否撬动大市场”, Feb 2026.
http://www.sd.chinanews.com.cn/2/2026/0203/99797.html - 财富中国网, “IT老兵开一人公司 AI时代玩法完全不一样了”, Mar 2026.
https://www.caifcn.com/a/chuangyexinwen/2026/0316/11159.html - OPCOS / 唐遥民, "60小时完成160人天的产品开发"案例, 2026.
https://shulingai.com/ - SummerOrange, “AI编程后，我更累了”, V2EX, Feb 2026.
https://www.v2ex.com/t/1192730 - 36氪/字母AI, “AI太会写代码，人类已经审不过来了”, Jun 2026.
https://36kr.com/p/3866832106109570 - 36氪/每日经济新闻, “AI’抢饭碗’，硅谷大裁员，一线工程师戳破真相”, Mar 2026.
https://36kr.com/p/3739024380133638 - “大家有没有发现，有了AI编程后，程序员们更累了”, V2EX, May 2026.
https://www.v2ex.com/t/1213188 - “代码审查正在崩溃：AI产出翻了4倍，审查时间暴涨441%”, 智柴网, 2026.
https://zhichai.net/topic/177981456 - “代码越写越快，但谁来审？”, quentin1985.com, Jul 2026.
https://quentin1985.com/content/20260722083216463.html - “公司vibe coding的项目，团队已经无法掌控了”, V2EX, Jul 2026.
https://www.v2ex.com/t/1224558
汇聚全球AI编程工具，助力开发者即刻编程。
更多推荐
4
0- 0
已为社区贡献1条内容
所有评论(0)