上周 VentureBeat 发了篇文章，标题很炸：《Agentic AI solved coding and exposed every other problem in SE》。大意是说，AI 编程代理已经解决了写代码这件事，但软件工程里其他的问题——需求理解、架构设计、调试、维护——反而被暴露得更明显了。
我第一反应是标题党。但仔细想想，好像又没完全说错。
现在的 coding agent 到底什么水平？
先说个背景。2026 年的编程工具市场已经卷得不行了。Claude Code、OpenAI Codex CLI、GitHub Copilot、Cursor、Windsurf……每家都在说自己能帮你写代码。有人搞出了用手机远程控制 Claude Code 和 Codex 的工具（叫 Circus Chief），还有人做了个 Dragoman，让你在 Claude Code 里切到别的模型跑。生态已经长到有点离谱了。
这些工具确实能干活。你给它一个清晰的需求，它能生成一个能跑的函数、一套 CRUD 接口、一组测试用例。速度快得离谱，以前要写半小时的 boilerplate，现在一句话搞定。
Eli Bendersky 最近写了篇博客，讲他用 AI agent 从零开始写一个 Go 项目（watgo）的经历。他的说法比较实在：agent 确实能加速编码，但你得一直盯着。有时候一个 changelist 相当于好几天的工作量，但他花了好几个小时让 agent 反复清理和重构。总体有提升，“只是没某些人吹的那么大”。
这话我挺认同的。
Vibe coding 的隐患
Cursor 的 CEO 四月份发了个警告，说 vibe coding（就是那种完全不看代码、纯靠 AI 生成的写法）会”建立摇摇欲坠的基础，最终一切崩塌”。
说这话的人是卖 AI 编程工具的，这本身就挺有意思。他显然看到了什么让他不安的东西。
我自己也碰到过。agent 生成的代码能编译、能过 lint、测试也能跑。但过两周你要改需求的时候，才发现它用了个奇怪的抽象方式，或者把本该分离的逻辑揉在了一起。代码”能跑”和”好改”之间差着十万八千里，agent 目前还跨不过去。
有句老话说得好——调试比写代码难两倍。当你让 AI 用它的方式写代码，而你压根没理解它为什么这么写的时候，这句话就变成了一个很现实的问题。你连调试的入口都找不到，因为你根本不知道代码是怎么运转的。
写代码从来都不是最难的部分
VentureBeat 那篇文章的核心洞察其实不是”AI 解决了编码”，而是”AI 解决了编码之后，我们终于能看清楚真正的难题在哪了”。
真正的难题是什么？
需求理解。用户说”我想要一个搜索功能”，这话听着简单，但你要搞清楚搜什么字段、要不要模糊匹配、结果怎么排序、分页还是无限滚动。这些 agent 搞不定，因为提需求的人自己往往也说不清楚。
架构决策。这个服务要不要拆微服务？数据库选 PostgreSQL 还是 MongoDB？缓存层怎么设计？没有标准答案，取决于团队规模、业务预期、运维能力。agent 可以列 pros and cons，但做不了这个判断。
长期维护。代码写完只是开始。上线之后有 bug 要修、有需求要加、有依赖要升级。一个 agent 写出来的”一次性”代码库，和一个经过人类工程师深思熟虑的代码库，三个月后的维护成本完全不是一个量级。
调试。这可能是 agent 最弱的地方。线上出了个偶发的并发问题，或者某个 edge case 导致数据不一致，你需要的不是更多的代码，而是理解系统是怎么运转的。agent 可以帮你加日志、写断言，但它替代不了那种”盯着日志想了半小时突然想通了”的过程。
那我们该怎么用这些工具？
说了这么多不是要唱衰 AI 编程工具。它们确实有用，我自己也在用。关键是怎么用。
Eli Bendersky 把项目分了两类，我觉得这个分法挺好：
低重要度的项目——原型、一次性脚本、hackathon 作品。这些可以 vibe code，反正不打算长期维护，快速出活就行。
你真正要维护的项目。这种情况下 agent 生成的每一行代码都值得过一遍。不用逐字审查，但你得理解它在做什么、为什么这么做。否则你就是在积累技术债，只是这个债现在还不用还。
我的做法是让 agent 处理那些我知道该怎么写但懒得写的部分——配置文件、测试用例、数据转换、文档。涉及到核心业务逻辑的时候，让它先写一版，然后自己过一遍，该改的改、该重写的重写。
效率确实比纯手写高，但远没有”一句话生成完整应用”那么夸张。现实就是这么无聊。
一个更大的观察
Anthropic 上个月花了三亿多美金收购了 Stainless，一个做 API SDK 生成的工具。连 AI 公司自己都觉得光有模型不够，开发者工具链的每个环节都得做好。
编程代理的战场已经不只是”谁的模型写代码更好”了。上下文管理、多模型路由、沙箱执行、安全审计、团队协作——每个环节都有创业公司在挤。GitHub 的 CPO 最近接受采访，说未来的开发者更多是在做”宏观委托”，把大块任务交给 agent，自己负责审查和整合。
这个方向我信。但”宏观委托”的前提是你得有能力做”微观审查”。你完全不懂代码的话，怎么判断 agent 给你的东西是对的？
所以结论可能有点反直觉：AI 越强大，基础功反而越重要。不是说你要手写每一行代码，而是说你得理解每一行代码。
写代码这件事，AI 解决了一半。剩下那一半，刚好是区分”会写代码的人”和”工程师”的那一半。