一个不太政治正确的观察：
AI 编程，正在让一部分程序员变得更浮躁。
现在的常见场景是——
一个很简单的 bug：
• 报错栈已经写得很清楚
• 变量范围一眼能看出来
• 逻辑路径并不复杂
却第一时间丢给 AI。
问题是，AI 给出的不是一个线索，
而是一整套“结构化分析包”：
• 可能原因 A / B / C
• 详细解释
• 延伸风险
• 重构建议
• 最佳实践
信息很多。
但未必是此刻最需要的。
原本 3 分钟能顺着调用链定位的问题，
反而变成 15 分钟筛选 AI 输出。
这不是 AI 的问题，是使用方式的问题。
但对那种“明确报错 + 清晰上下文”的小问题，
人脑的路径搜索往往更快。
效率提升的前提是判断力。
什么时候该自己推？
什么时候该让模型参与？
真正成熟的用法可能是：
简单问题 → 先自己跑一轮
复杂问题 → 让 AI 扩展视角
卡住超过阈值 → 再引入模型
否则输出信息越多，
判断力越弱，
效率反而下降。##