AI 能力溢出，人成瓶颈！深度解析写代码与网关重写中的技术变革与决策挑战

我与AI的初体验：从惊艳到大胆尝试

2026年春节，我们在Apache APISIX上遇到棘手bug，AI Agent不到10分钟就准确指出问题，令人惊艳。后来尝试让它做生产级项目，虽不能完整复刻，但单论写代码，半天就能完成我们当年三个月的代码量，可见AI已达到甚至超过资深工程师的编码能力。

AI写代码：人的价值与角色转变

如今，AI写代码能力强大，但资深工程师的价值在于其踩坑经验、技术权衡和判断。AI能看到What、完成How，但对Why的理解与人有偏差。在公司，我推行尽量不手写代码，将“打字”交给AI Agent，这一决定引发部分人的反弹，尤其是那些有“领地意识”、将自己定位过窄的工程师。但实际上，这能让更多人参与到产品定义和迭代中，缩短交付闭环时间。

玩具还是生产级：关键在于人

判断AI写的代码能否用于生产，核心标准是指挥AI的人对架构、代码、测试有无清晰理解，对推上生产有无敬畏之心。哪怕AI决策正确率高，人也需参与决策。我们的新项目AISIX重度使用Claude Code编码，但核心设计、架构选择等不交给AI，AI仅作辅助。同时，AI写的代码需用另一个AI审查，以提高效率。

用AI写软件的三个阶段与决策挑战

用AI写软件大致经历三个阶段。第一阶段堆框架，借助各种harness搭建软件工程；第二阶段扔掉框架，将自己的经验沉淀成文件让AI加载；第三阶段从“上瘾式编码”转向“高质量决策”，因需做的决策增多，人的精力有限，要合理安排时间和精力，确保决策质量。

为何重写网关：AI流量的新挑战

两年前，AI流量出现，最初想在Apache APISIX里用插件代理，但发现AI流量与API流量核心概念不同。于是，我们按AI网关原生概念重写了AISIX网关，它开源且能统一处理大模型流量，还采用Rust语言编写，更适合AI流量的长连接流式输出场景。此外，其他大公司在使用大模型时面临token成本和安全问题，这也是推动我们开发新网关的原因。总之，AI能力溢出，人成瓶颈，公司应积极推行AI，解决人和组织跟上AI发展的问题。