QECon 一位资深后端讲者抛出 6 项被 AI 重新定价的工程实践：AI 写得越快，那些老派基本功越从加分项变成生死线。

这是什么

讲的是反直觉现象。舆论都在喊 AI 写代码工程师失业，但这位讲者给出相反观察：AI 让代码产出暴涨后，过去被忽略的工程基本功反而成了系统能不能跑的关键。

  • 输入校验：AI Agent（能自主调用工具的 AI 助手）会传奇怪边界值甚至幻觉数据，接口要像防黑客一样防 AI。
  • 日志与链路追踪（Tracing，全链路日志）：AI 修 bug 看不到标准化链路会陷入错误循环。
  • API 文档：Agent 靠字段描述决定何时调用，文档烂等于把系统交给 AI 乱点。
  • 幂等性（同一请求多次执行结果一致）：AI 重试比人频繁百倍，没做扎实就瞬间刷重复订单。
  • 领域驱动设计（DDD，按业务边界组织代码）：AI 上下文窗口（单次能看的代码量）有限，面条代码对它就是噩梦。
  • 自动化验证（Harness 工程，让 AI 在受控环境反复跑测试）：Cursor、Claude Code 一晚吐几千行代码，必须用机器替人挡第一道。

行业怎么看

讲者既非 AI 替代工程师，也非 AI 无用论，而是第三条路——AI 放大了工程基本功的价值。这与 Andrew Ng 等人今年反复强调的观点一致：Agent 项目卡在落地最后一步，往往不是模型能力，而是工程化能力不足。

反向声音值得听。一位云厂商基础架构工程师说，这套说法对头部团队成立，对多数中小公司是奢侈品——他们本就没补好日志和校验，AI 来了更没动力，短期会经历烂代码 + AI 烂输出的混乱。还有一种被低估的风险：基本功外包给 AI 培训和工具链后，新一代工程师的内功会不会反向退化？文章没回答这个问题。

对普通人的影响

  • 对企业 IT：过去 5 年一直延期的工程债，会被业务部门主动要求偿还，否则接不上 AI 工具。
  • 对个人职场：纯写业务代码的岗位承压，懂契约、能将系统喂得 AI 可读的工程师反而更稀缺。
  • 对消费市场：短期用户会感知到更多 bug 和重复扣费——AI 自动执行任务时后端若没做好幂等，受伤的是消费者的钱和订单。