AI-Assisted Coding in Professional Practice

核心洞察

                AI 编程工具的实际效果取决于技术栈： AI 在 React 等主流技术上有良好表现，但在内部框架或手写 ORM 上表现不佳。成功与所使用的技术直接相关。
            

主要发现

1. 管理层的"AI 文檔洪水"

"A lot of management LOVES to use Claude to generate 50 page design documents, PRDs, and send them to us to 'please review as soon as you can'. Nobody reads it, not even the people making it."

管理層喜歡用 AI 生成大量設計文檔，但沒人真正閱讀。這導致了"非對稱期望"——一方快速輸出 AI 內容，另一方卻要認真審查。

2. 30分鐘變一周

"What previously would take 30 mins, now takes a week. For example we had a performance issue with a DB, previously I'd just create a GSI, now there is a 37 page document..."

簡單的數據庫問題現在需要 37 頁文檔來解釋。AI 生成的"專業文檔"實際上降低了效率。

3. AI 代碼的真實問題

"It always lacks any understanding of our problem area, 75% of the time it only works for a specific scenario (the prompted case)..."

AI 生成的代碼缺乏對特定問題域的理解，往往只能處理特定場景。

4. 有效使用場景

✅ 一次性腳本和工具
✅ 測試數據生成
✅ 代碼審查和 bug 發現
✅ 日誌分析識別瓶頸
❌ 生產環境代碼（需要手寫）
❌ 系統設計
❌ 內部框架/不常見技術

5. 新興的溝通問題

"Concept → LLM fluff → LLM summary → Recipient" — 這就像"接力電話"問題，翻譯會丟失上下文和細節。

人們用 AI 生成內容，再讓對方用 AI 消費，形成了新的溝通損耗。

專業建議

使用 agents.md 文件：引導 AI 工具，包含 "UPDATE THIS FILE WITH NEW LEARNINGS"
擁有 AI 輸出：不說 "I asked Claude"，而是自己對結果負責
直接給我重點：不要 AI 廢話，直接給三個 bullet points
AI 不擅長設計：複雜系統設計仍需人類專家

評分

⭐⭐⭐⭐⭐ (5/5)

真實的專業經驗分享，反映了 AI 編程在企業環境中的實際挑戰和機會。

Ask HN: How is AI-assisted coding going for you professionally?