AI编程能交给AI到哪一步

最近我越来越频繁地用 Claude、Codex、Hermes 这类 AI Agent 写代码。

一开始会很兴奋：它能读代码、改 bug、写测试、补文档，很多以前要磨半天的事情，现在几轮对话就能推进。但做真实项目越久，我越觉得要把一句话说清楚：AI 可以加速开发，但不能替我负责。

适合交给 AI 的，是执行密度高的工作

我最常让 AI 做几类事。

• 第一类是拆任务。比如一个功能要改哪些文件、影响哪些路径、需要补哪些测试，AI 很适合先给出一版清单。
• 第二类是写重复性代码。接口适配、表单字段、数据转换、错误处理，这些工作本身不难，但很耗注意力。AI 可以先写初稿，我再审。
• 第三类是排错。遇到报错时，让 AI 结合日志和上下文找可能原因，效率确实比我自己盯着快。
• 第四类是解释和整理。旧代码为什么这么写、某个函数可能影响哪里、测试怎么补，AI 能帮我把上下文重新摊开。

这些事情的共同点是：目标相对明确，错了也能通过测试、日志、人工审查纠正。

不能交给 AI 的，是最终判断

真正危险的地方，不是 AI 写错一行代码，而是它看起来很自信地给出一个错误方向。

做膳云 MakanCloud 这类餐饮 SaaS 时，我会特别谨慎。订货、中央厨房、配送、排班、POS、扫码点餐，每一块背后都是实际门店流程。代码能跑，不代表业务走得通。

所以有几件事我不会交出去。

• 用户到底遇到什么问题，我自己判断。
• 流程是否符合真实场景，我自己过一遍。
• 权限、数据、配置、支付、上线这些高风险点，我自己确认。
• AI 给出的方案是否符合项目长期维护，我自己拍板。

我的实际工作流

现在我更倾向于把 AI 当成一个很强的执行搭子，而不是“自动开发者”。

我的流程通常是：先自己定义问题和边界，再让 AI 给方案；选定方向后让它实现；实现后我看 diff、跑测试、检查业务路径；遇到异常再让 AI 继续协助定位。

这套方式没有那么神奇，但很踏实。它解决的是独立开发者最现实的问题：一个人时间和精力有限，但项目又需要持续推进。

AI 让我能更快做出东西，但也逼着我更清楚地知道自己在做什么。

一个简单判断标准

我现在判断一件事能不能交给 AI，会问自己一句：如果这件事错了，后果由谁承担？

如果只是初稿、样板、解释、辅助排查，我会大胆用 AI。

如果涉及用户体验、业务决策、数据安全、上线稳定性，我一定自己把关。

AI 编程的核心不是“人还需不需要写代码”，而是人要不要承担判断。至少对我来说，答案很明确：AI 负责加速，我负责结果。

如果你也在用 AI 做产品或写代码，欢迎留言聊聊：你现在最放心交给 AI 的是哪一类任务？