基于 Simon Willison 的 Agentic Engineering Patterns

写在前面

前几天看到 Simon Willison 的一篇文章，标题很直接：《Writing code is cheap now》。作为一个写了 5 年代码、最近疯狂用 AI 辅助开发的工程师，这篇文章点破了我最近一直困惑的一个问题——为什么有了 AI 写代码反而更累了？

答案很简单：我们还在用旧习惯处理新工具。

代码一直很贵

在 AI 出现之前，写代码是昂贵的。

一个熟练的开发者，写出几百行干净、可测试的代码，通常需要一整天甚至更多。这个成本约束塑造了我们所有的工程习惯：

宏观层面：

• 开会讨论需求，确保每行代码都花在刀刃上
• 功能必须 ROI 为正，而且要赚回开发成本的好几倍才值得做
• 技术选型谨慎，因为重构成本极高

微观层面：

• “这个函数重构一下会更优雅，但要花一小时，值吗？”
• “这个边界情况需要加测试吗？”
• “要不要为这个 bug 专门做个调试界面？”

每一个决定背后都是时间成本。

AI 让代码几乎免费

现在呢？

你描述需求，AI 10 分钟生成代码。你可以同时开三个会话，让 AI 分别写功能、写测试、写文档。并行开发不再是团队特权，一个人就能做到。

敲键盘的成本趋近于零。

这意味着过去很多"不值得"的决定，现在都值得重新评估。

但"好代码"依然很贵

Simon 列了一个"好代码"的 checklist，我逐条看了，发现 AI 只能帮你完成一半：

AI 降低了"写"的成本，但没降低"判断"的成本。

生成一堆能跑但没人看得懂的代码，比不写还糟。

需要培养的新习惯

Simon 的建议很直接，我翻译一下：

每当你的直觉说"这个功能不值得花时间做"，反手就丢给 AI 试试。

最坏结果：浪费几毛钱 token，10 分钟后发现确实不行。
最好结果：白捡一个功能，还能顺便生成测试和文档。

关键转变：从"时间成本思维"切换到"验证成本思维"。

以前：做这个值不值一整天？
现在：验证 AI 生成的结果值不值 10 分钟？

我的实践建议

基于过去几个月的高强度 AI 辅助开发，分享几个正在形成的新习惯：

1. “先跑再说"原则

不确定的功能，先让 AI 写个 MVP 出来看效果。比脑补快 10 倍。

2. 并行分支开发

同一个功能，让 AI 用不同方案各实现一遍。对比后再决定，而不是提前纠结。

3. 强制 Review 清单

AI 生成的代码必须过这几关：

• 我能在 30 秒内看懂它在干嘛吗？
• 错误处理覆盖了哪些情况？
• 有对应的测试吗？
• 如果半年后回来看，我能快速理解吗？

4. 文档即代码

AI 写的文档要随代码一起审。代码变了文档没更新，就是技术债。

最后

Agentic Engineering 不是让开发者变懒，而是让我们从"写代码"转向"判断代码”。

写代码确实便宜了，但设计、验证、维护的成本还在。真正的效率提升，来自于承认这个现实，然后重新设计我们的工作流。

Simon 说得好：这些最佳实践还在被整个行业摸索中。我们每个人都是实验者。