🚨 90% 的人对 AI 编程的理解都错了！模型越强，你越要做这件事

你以为 AI 越强就能越随意？恰恰相反，环境规范才是真正的护城河。

最近，Anthropic Claude Code 团队的 Boris Cherny 在 X 上发了一条非常值得细品的推文，直接戳穿了很多人对 AI 编程的幻想。我把它和我们熟悉的套路做个对比，你会发现一个惊人真相：

过去：Lint 规则 + 类型系统 + CI 自动化 = 工程师个人产出 × 效率
现在：同样的自动化 × 你的 Agent 大军 = 整个团队的产能 × 无限

很多人以为有了强模型（比如 GPT-5、Claude 4），就让 Agent 每次遇到问题“聪明地修一下”就好。但真正高杠杆的做法，完全相反——

别让 Agent 一次次踩坑，直接写一条规则让这类问题永远不发生。

🔄 核心误区：你还停留在“修 bug”思维

🛠️ 过去：最高杠杆是“放大个人输出”

回忆一下，那些你崇拜的“10x 工程师”是怎么工作的？

• 花时间写 Vim/Emacs 自动化脚本
• 编写 Lint 规则自动检测重复代码
• 搭建一整套端到端测试套件，告别手动冒烟测试

这些工作的杠杆率极高 —— 它乘以了单个工程师的产出。一次投资，永远受益。

🤖 现在：Agent 时代，杠杆被放大了 N 倍

你今天可能已经习惯让 Agent 去修 bug、写代码。但 Boris 点出一个残酷现实：

你的 Agent 大军里，每一个 Agent 都会被同样的自动化加速。

登录后可查看完整内容，参与讨论！