Simon Willison 给出一个对照：传统工程师一天通常交付 50—60 行可直接上线的生产级代码，极好时约 200 行；他认为，若编码智能体（能自主拆解并完成多步编程任务的 AI）能在同等质量下交付 1000 行，效率提升确实成立，但团队的认知上限也随之出现。

这不是“代码写得越多，效率就一定越高”的简单故事。编码成本下降后，人理解代码、检查耦合和做架构取舍的能力变得更稀缺，这也是我们认为值得关心的地方。

这是什么

Willison 并未否定代码行数。他提出，在代码经过测试、可维护且能上线的前提下，行数仍有参考价值；一旦脱离这些条件，行数只会鼓励冗余和功能堆叠。

他所说的“概念完整性”（整套软件边界清楚、各部分协调、行为不令人意外）因此更重要。编码智能体可以快速增加功能，却容易让系统像有 140 个房间的温彻斯特神秘屋一样持续拼接，局部能力增加了，整体理解和维护成本也会上升。

行业怎么看

这一判断的可取之处，是把生产力重新定义为同等质量下的交付结果，而不只是点击生成按钮的速度。质疑者则认为，若企业把代码行数变成考核指标，员工可能制造更长的代码和更多功能房间。

另一个风险是，生成工具没有自动消除调试、安全、依赖关系和隐性技术债。Willison 设定的前提是质量相当，但测试覆盖率、可维护性和架构一致性恰恰最容易被忽略，也最难稳定验证。

对普通人的影响

对企业 IT

软件产出会增加，IT 部门的工作重心可能移向评审、测试和架构治理。代码生成越便宜，统一标准与上线责任的成本越显眼。

对个人职场

写样板代码的速度优势会缩小能力差距，定义问题、拆解约束和审查 AI 结果的经验更重要。初级开发者也可能更快交活，但未必更快建立系统判断力。

对消费市场

应用更新和小功能上线的频率可能提高，同时，碎片化设计和维护债也可能转化为卡顿、安全问题或更高订阅费。长期稳定性仍会决定消费者是否愿意持续付费。