1476年，巴黎。一群抄写员冲进约翰·海因林的印刷作坊，砸毁了他的印刷机。他们的愤怒很实在：一台机器一天印完的书，抄写员要抄一年。一台机器、一个操作员、300倍产出——这账太残酷。
我老想起这些抄写员。不是因为暴力，是因为他们拒绝面对的那道数学题。
软件行业正在重算这道题，而大多数人还在争论"印刷机到底存不存在"。
这是我24小时的实测数据。
就我一个人，一个AI编程工具，外加一份花了一周写好的执行计划。真实生产代码库，完整记录，不估算。
生产代码：8,977行，44个文件。测试代码：9,534行，40个文件——其中8,992行单元测试，542行测试驱动开发的契约测试。测试与生产代码比例1.06:1。
文档：架构决策记录392行，计划模块更新42行，项目上下文文档136行（这是AI工具每次会话开始时读取的仓库内文件），技能/工具规范205行，结构化审计追踪3,524行，PR描述1,442行。文档总计4,299行。
流程产出：21个PR从打开、审核、审计到合并，平均68分钟一个，全部一次绿灯通过，零重试。35个issue创建（24个是审计发现的自动追踪延期项），21个关闭。9次自动化代码-标准审查，9次代码-计划审计。14个功能上线，1个bug在PR阶段被审计拦截，零回归、零强制推送、零文档漂移。
总代码贡献：新增22,934行，删除262行——删除的是清理，不是回退。
同样的产出，纯人工估算：一位首席工程师约需625小时专注工作，按每天6小时有效工时算，大概5个月。压缩比80-120倍，质量未降。
这个数字不是笔误，不是挑好的片段，不是厂商演示。这是一个周期、一位资深工程师、一个工具，端到端测量的结果。
数据拒绝非黑即白的框架。
AI单独干：中等质量，大模型速度。资深工程师单独干：优秀质量，人类速度（5个月）。资深工程师+AI：优秀质量，大模型速度（24小时）——前提是资深工程师掌控规格、门禁和审计。
第一行是大多数人听到"AI编程"时的想象，也是大多数团队把模糊工单丢给模型、照单全收时的实际产出。这种模式让行业其他人可以继续假装问题只是"工具还不够好"。
热门跟贴