AI 编程太顺手，开发者开始制造无用项目

一个开发者用 AI 做了很多东西。

Rust 语音识别、邮件归档工具、Jellyfin 桌面克隆、Invidious 克隆、Windows 95 记事本复刻、交通流量识别、区域新闻站、3D 赛车游戏、投资回测、Lightroom UI 克隆、世界时钟小组件、摄像头客户端，一个不小的 Rust SaaS，还有几十个已经删掉的项目。

听起来像生产力神话。

他的复盘却很冷：除了 SaaS，几乎都没用，也不想维护。那个区域新闻站甚至真有流量，结果变成一个“意外经营的新闻媒体”，更像负债。

这篇博客刺到人的地方，不是又有人夸 AI 编程，也不是又有人骂 AI。它讲的是一个更接近重度用户日常的问题：当生成成本低到接近零，开发者会不会从解决问题，滑向制造项目库存？

发生了什么：能做很多，不等于做成一件事

作者不是 AI 编程轻度尝鲜者。他长期使用 Claude 和 Codex，也承认这些工具很强。

Codex CLI 更快。Claude 能在冷门语法、冷门语言里零样本写 parser 和测试。明确、窄小、可验证的任务，AI 确实能省下大量时间。

问题出在任务边界被冲淡之后。

这就是反常点。

AI 明明让代码更容易写，结果项目质量未必更高。它把“开始做”的门槛打掉了，却没有帮你承担“做下去”的责任。

对开发者来说，最直接的后果是注意力漂移。一次会话从“帮我写个小脚本”开始，一小时后，东西已经变成新项目。原来的痒点还在，仓库却多了一个。

对技术管理者来说，风险更隐蔽。团队看起来更忙，原型更多，PR 更多，演示更多。但如果维护人、业务目标、砍项目机制都没跟上，这些产出只是把未来的清理成本提前赊出来。

为什么重要：AI 工具的激励，不鼓励你停下来

我更在意的是工具背后的激励。

多数 AI 编程产品并不靠“让你少用”证明价值。它们更容易被更多 token、更多输出、更多 follow-up、更多 agent 回合证明有效。

你问一个简单问题，产品顺手给你下一步。你想修一个函数，它建议你重构模块。你只想止痒，它递给你一个新项目的开头。

这不是阴谋论，是商业常识。

“天下熙熙，皆为利来。”放到 AI 工具上，就是用量会被自然包装成价值。厂商希望你多用，产品设计也会鼓励你继续问、继续生成、继续扩展。

这和 Cal Newport 说的“伪生产力”很贴近。数字工具让单个任务更快，却可能让人更忙、更碎、更远离深度工作。邮件更快，不等于沟通更好；代码更快，不等于产品更真。

AI 编程的危险在于，它给的是便宜奖励。

几分钟吐出上千行代码，看上去像进展。可维护成本、测试责任、产品判断、用户反馈，都没有被模型一起生成出来。

这和早期 PC、网页工具、低代码平台有一点像，但不完全一样。那些工具也降低了创造门槛，带来大量小软件、小网站、小系统。区别是，AI 把“从想法到可运行”的距离压得更短，短到人还没来得及做取舍，东西已经跑起来了。

跑起来，不等于值得存在。

所以我不太买账那种只看效率曲线的说法。AI 编程当然能提效，但提效对象必须说清楚：是提高解决关键问题的速度，还是提高制造半成品的速度？这两件事差很远。

谁该调整：重度用户限用，管理者改指标

取消订阅不是普适药方。对很多人来说，AI 编程仍然是好工具。

写测试、补 parser、生成样板代码、探索陌生 API、做一次性脚本，这些场景很适合它。边界清楚，验收也清楚。

但对重度用户，尤其是那种每天打开 Claude、Codex、Cursor 就开始开新坑的人，限用可能是必要动作。

可以很具体：

• 给 AI 使用设一个时间窗，而不是全天随手开。
• 新项目必须写一句“要解决的真实问题”，写不出就不建仓库。
• 原型超过一天，就补维护人、退出条件和删除条件。
• 每周清一次 AI 生成项目，只留下愿意负责的。

这不是反技术，而是把摩擦放回工作流。

摩擦过去常被视为低效。可在创造性工作里，摩擦也是筛选器。手写没有过时，长文不能只是口语转录，产品也不能只是提示词的副产品。

技术管理者更该改指标。

如果团队引入 AI 工具，只盯“代码提交更多”“原型更多”“响应更快”，很容易被浅层活动骗过去。更该问三件事：瓶颈解决了吗？维护责任明确了吗？有没有项目被及时砍掉？

接下来最该观察的变量也在这里。

不是模型又快了多少，也不是上下文窗口又长了多少。真正该看的是：AI 生成的项目，有多少进入长期维护；团队是否建立了砍项目机制；开发者是否愿意为生成出来的东西负责。

如果这些变量没有改善，模型越强，项目库存越厚。一个人终于可以做出很多东西，却更难确认哪一个值得做下去。

开头那串项目清单，最刺眼的不是数量，而是反差。代码变便宜了，承诺没有变便宜。模型看着更强，工作反而可能更虚。