拼多多员工爆料：冒昧问一下，现在还是古法编程吗_我已经离职8个月了，感觉ai在需求明确的情况下，一天干我一周的活没问题
人工智能带来的差别，并不是哪个人敲代码的速度快一些，而在于能否把需求说清楚、能交出稳定的结果。
需求明确的时候，人工智能很快就搭建起基本框架；需求不明确，生成的速度就越快，返工也越快。
“古法编程”表面上是问工具的问题，实际上是在问工作的重点有没有改变。
看到一个帖子：
离职八个月之后，他的直观感受是，在有明确需求的时候，人工智能一天之内就可以完成一个星期的工作量。
需要注意的是，“一周压成一天”并不是重点，而更重要的一点是：需求要明确。
人工智能擅长处理目标、约束和验收标准都清楚的任务；模糊的问题是不会自动消失的。
“做个页面”是不够的：谁来用、解决什么、数据是从哪里来的，失败又该如何处理等等，都必须事先说明清楚。
否则代码只是更快地写下猜测，后续返工会吞掉省下的时间。
需求说明清楚之后，程序员的时间就会从反复敲打转向判断取舍、检查边界并承担成果交付。 遗漏也会更早暴露；没人负责验收时，错误只是更快传给下游。
真实项目还会涉及接口、代码约定以及上下游依赖；不了解上下文，即使是小小的修改也未必能合并。
提示词并不是一种魔法。 把目标拆成可以检验的步骤，工具才可能稳定地帮上忙。
接了任务之后要列出输入、输出以及不能修改的地方，然后让人工智能制定方案。 第一版要先核实是否符合业务要求，不能全部接受。
需求确定之后，样板实现、局部修改以及说明整理等都可以加快进度。
但是节省下来的时间并不能等同于价值，仅仅去计算代码的数量就很容易把速度当成质量了。
接口可以互相兼容吗？异常、权限以及数据边界又如何呢？原来的那些功能会不会受到影响呢？还需要进一步确定。
除了编写代码之外，人还需要把问题分解开来，并且要对得到的结果进行验证。
在需求阶段要明确目标、范围、限制以及验收标准，并且给出什么样的情况算是完成了工作。
当人工智能参与实现时，首先要考虑方案和影响范围，再审查改动，不能仅仅盯着代码块。
碰到老系统的时候要先看一下调用关系以及回滚方法；涉及到权限或者数据写入的时候，人工复核不能省。
代码审查不能因为生成速度快就减少；关键路径、安全性以及异常情况的处理都需要有人来承担。
测试正常输入、边界输入以及失败输入；面对不确定的时候，可以先去询问或者缩小任务范围。
探索性需求、复杂的依赖以及陌生系统的理解都需要花费时间，并不能简单地认为“一天等于一周”。
衡量效率要从澄清到交付整个过程的时间以及返工量来考量，并不是说代码生成得越快就越好。
把提问、拆解、审查和测试练得扎实，那么提高工作效率就不会以牺牲质量为代价。