AI帮他3个月写完8年没搞定的代码，却差点毁了项目

作为谷歌Perfetto项目的开发者，他盯着SQLite的开发工具缺口整整8年。这个支撑着谷歌内部10万行性能查询代码的数据库，却始终没有能用的格式化器、语法检查器——现有工具要么慢得离谱，要么没法适配Perfetto的定制语法。直到2026年初，他花了3个月业余时间，靠AI编码助手造出了一套能打工具syntaqllite。没人料到的是，这套工具的第一版，是他不得不全部删掉重写的「垃圾代码」。

从「代码生成机」到「架构灾难」

他最初的思路很直接：把AI当「超级实习生」，丢给它SQLite的源码，让它自动提取400多条语法规则，生成能把SQL代码转成「语法树」的解析器——这是所有代码工具的核心，就像把句子拆成主谓宾，才能做语法检查、自动格式化。AI没让人失望：3个月里生成了500多份测试用例，连他从未听说过的「Wadler-Lindig格式化算法」，都能在1小时内给他讲透原理。

但当他打开生成的代码库时，后背发凉：Python脚本和C代码缠成一团，几千行的函数散落在随机文件里，他完全看不懂这个「自己造出来的东西」。AI把每一个小任务都完成得很漂亮，但把这些零件拼起来的，是一个逻辑混乱的「怪物」——它根本不懂什么是可维护的架构，只会把能跑的代码堆在一起。

他不得不删掉全部代码，换成Rust语言重写。这一次，他把AI从「决策者」降成了「执行者」：自己画好架构图，定义好每个模块的边界，再让AI去写具体的函数。每生成100行代码，就停下来重构一次——要么让AI自己整理，要么他提出抽象思路，让AI去落地。

开发者的新身份：AI的「设计监督者」

这个项目最耐人寻味的，不是AI能写多少代码，而是它彻底改变了开发者的工作。过去他是「代码工匠」，要亲手打磨每一行代码；现在他是「设计监督者」，把90%的精力放在画边界、定规则、做审核上。

AI的优势是「标准化劳动」：写重复的语法规则、生成测试用例、把C代码转成Rust，这些任务它比人快3倍，还能自动跟上项目的代码风格。但一旦涉及「判断」——比如怎么设计一个让用户舒服的API，怎么权衡性能和可扩展性，AI就会变成「睁眼瞎」。它能生成10种API写法，但不知道哪一种是用户真正需要的；它能写出跑通的代码，但不知道这会给未来的维护埋下多少坑。

更隐蔽的风险是「技能退化」。他发现自己偶尔会忘了某个函数的具体实现——因为AI写得太多，他对代码细节的记忆模糊了。有一次AI生成的解析器出了bug，他花了3小时才找到问题：AI偷偷改了一个语法规则的优先级，而他因为没亲手写，完全没意识到这个改动。后来他养成了一个习惯：每看一段AI代码，就问自己「如果是我写，会怎么改」，强迫自己保持对代码的掌控感。

人机协同的边界：别让AI替你思考

这个项目的教训，正在被越来越多的开发者验证。2026年的一项研究显示：用AI辅助的开发者完成任务速度快了30%，但调试时间反而增加了20%——因为AI生成的代码总有「看起来对，实际错」的细节。更糟的是，过度依赖AI的开发者，代码理解能力下降了17%，尤其是调试这种需要底层知识的技能。

真正的高效人机协同，不是让AI替人干活，而是让AI干「人不想干的活」，让人干「AI干不了的活」。比如在syntaqllite的开发中，AI负责把SQLite的C源码转成Rust的抽象语法树，他负责设计怎么让这个语法树适配Perfetto的定制规则；AI负责生成所有的测试用例，他负责设计测试的边界和场景。

还有一个容易被忽略的点：AI没有「时间感」。它不知道这个项目过去踩过什么坑，不知道某个设计决策是为了兼容3年前的老系统，只会根据当前的代码生成「最优解」——而这个「最优解」，可能恰恰是团队当年抛弃的方案。他后来养成了写「架构决策记录」的习惯，把每个设计的原因写下来，再喂给AI，才避免了重复踩坑。

当syntaqllite发布时，有人在GitHub上留言：「AI终于能替代程序员了」。他回复：「AI能替我写代码，但不能替我决定写什么代码。」

这或许是AI时代开发者最该记住的话：AI是放大器，它能把你的优点放大10倍，也能把你的懒惰和短视放大10倍。你依然需要知道代码的底层逻辑，需要能画出清晰的架构图，需要能判断什么是真正的好代码——这些能力，才是开发者不可替代的核心。

AI能写代码，但写不出代码的灵魂。