AI 生成代码的速度已经超越了人类思考的速度，但这并不意味着开发者的价值在下降。相反，真正决定项目成败的，是那些 AI 无法替代的判断力。
在一线开发中，资深工程师的竞争力体现在四个关键维度。
提问质量决定解决方案质量
AI 是一面镜子。你问"我的代码跑不通"，得到的只能是垃圾答案。优秀的程序员会这样拆解问题：把问题范围收窄到"Safari 浏览器下认证 10 分钟后失效"；明确框架版本、预期行为和实际表现；列出已尝试的方案，比如检查过 token 有效期、试过 localStorage；粘贴完整的错误堆栈，而非转述；陈述假设，例如"我怀疑 session cookie 过期了"。有效的提问能节省时间、加速调试、提升协作效率，让 AI 真正派上用场。垃圾进，垃圾出，提问质量直接等于答案质量。
知道何时停止编码才是核心技能
一个常见的陷阱是：代码量等于生产力。这种感觉很真实，但逻辑是反的。事实是，代码量等于维护负担。每一个功能、抽象层和模块，都是六个月后凌晨两点需要你调试的债务。经验丰富的工程师懂得适可而止。更优的做法是：移除而非添加复杂度；删除实际不需要的逻辑；优先使用现有工具；减少系统组件数量。能可靠解决问题的最短代码，几乎总是最容易维护的。优雅不在于聪明，而在于恰到好处地朴素。
系统崩溃时保持冷静
新手在生产环境故障时会 panic：随机修改文件碰运气；修一个 bug 引入三个新 bug；无视眼前的错误信息；用假设代替事实核查。熟练的工程师则建立了情绪纪律，他们的调试流程是系统化的：观察——具体哪里出了问题；复现——能否在本地重现；隔离——什么发生了变化，缩小变量范围；验证假设——数据库真的挂了，还是只是连接池耗尽；确认——修复后验证问题确实解决。压力导致视野狭窄，冷静才能更快触及根因。
命名占工作的一半
计算机科学有个经典笑话："只有两个难题：缓存失效、命名，以及差一错误。"糟糕的命名如 let x、let data2、function processThing()，抬高认知负荷。好的命名如 let customerProfile、let invoiceTotal、function calculateMonthlyRevenue()，意图一目了然，能减少困惑、缩短新人上手时间、降低 bug 率、节省脑力。代码被阅读的次数是编写的十倍。
热门跟贴