我们开始考核 AI 代码入库率：AI Coding 时代的技术人反思

有小伙伴在群里 @松哥，说松哥好长时间没写技术文章了。

确实，有时候周末坐在电脑前，想写点技术文章，却不知道从何下笔。现在 AI 这么方便，纯粹的技术文章、源码分析之类的，似乎都失去了原有的意义。对开发者来说，真的还有必要去啃那些框架源码吗？我时常怀疑。

对松哥来说，这类技术文章 AI 也能写，甚至可能写得更好。尤其还能做针对性的调教，让读者不太容易察觉这是机器写的。但时间一长，市场被搞坏了，读者也不管是 AI 写的还是人写的，统统不看了。

所以我也挺迷茫的，干脆就停笔了。

老实说，AI 的冲击确实很大。就拿我们部门来说，有几个明显的变化。

一个就是公司开始考核每个开发人员的 AI 代码入库率。从个人到团队、部门、中心，层层横向对比，入库率不达标就被通报，强制所有开发团队使用 AI Coding。不过还算好的一点是，公司有自己的大模型团队，模型是内部部署的，所以不存在 token 费用问题，也不需要开发同事自带 token 进组。

另一个就是今年的 AI 导向。想在领导面前做出成绩，常规系统的开发和运营只要不出问题就行，但这没法让你出彩。想做得好，必须从 AI 上花心思——你用 AI 解决了什么问题？怎么借助 AI 给自己提效、给团队提效？整体导向就是这样，所有人都得在这件事上下功夫。公司提供了 AI 平台和生态，但具体怎么用，需要各个团队自己琢磨。这年头，真正好的 AI 场景 真的是超级稀缺的资源。我说的"好"，是能实实在在解决业务问题的那种，不是网上那些华而不实的 AI 应用案例。很多案例乍一听挺高大上，实际能解决的问题却很有限。

今年越来越明显的一个感受是：技术多牛已经不重要了。技术够用、能熟练做 AI Coding 就行。在 AI Coding 这个大趋势下，架构设计、业务理解力、流程拉通能力，可能比单纯的技术深度更关键。