返回列表
回归编程本质:在AI时代坚持三个月“纯手工”编写代码的深度反思
行业新闻人工智能程序员成长编程实践

回归编程本质:在AI时代坚持三个月“纯手工”编写代码的深度反思

在AI编程工具普及的2026年,前Aily Labs工程师Miguel Conner选择在布鲁克林进行为期三个月的“手工编码”闭关。在许多人认为编程已成“已解决问题”的当下,他通过亲身实践探讨了在脱离AI辅助后,开发者如何重新建立与代码库的深度连接,并反思了AI工具对编程技艺与学习过程的影响。

Hacker News

核心要点

  • 回归原始开发模式:作者Miguel Conner在2026年3月开启了为期三个月的编程静修,旨在不依赖AI的情况下进行纯手工编码。
  • 深厚的AI背景:作者曾任职于巴塞罗那的Aily Labs,拥有丰富的AI代理(Agents)开发经验,曾早于行业巨头开发出内部搜索代理。
  • 编程的双重属性:作者发现手工编码包含“表达意图”与“理解代码库”两个核心维度,而AI工具的介入改变了这一平衡。
  • 行业反思:在业界普遍认为编程已被AI解决的背景下,作者试图通过实践重新审视编程作为一种“手艺”的本质。

详细分析

从AI前沿阵地到布鲁克林的回归

Miguel Conner的职业生涯一直处于AI应用的最前沿。在巴塞罗那的Aily Labs工作期间,他不仅领导了关于DeepSeek R1、Llama 3等开源大模型的研究讨论,还早在2024年初就开发出了早期的AI搜索代理。尽管他深谙大语言模型(LLM)的优势,并长期使用Cursor等先进工具,但他选择在2026年回到美国布鲁克林,开启一段远离AI辅助的编程旅程。这种选择并非出于对技术的排斥,而是为了在AI浪潮中重新找回对底层逻辑的掌控感。

手工编码与AI辅助的认知差异

在为期六周的实践中,作者总结出“手工编码”具有独特的认知价值。他指出,当开发者亲手敲下每一行代码时,他们实际上在同时完成两项任务:一是将自己的意图转化为逻辑,二是通过编写过程深度学习和理解整个代码库。相比之下,虽然AI代理能够极大地提高产出速度,但往往会让开发者跳过“理解代码库”这一关键的认知过程。这种对编程“手艺”的重新审视,揭示了自动化工具可能带来的认知断层。

行业影响

该新闻反映了AI时代下开发者群体的一种典型反思。随着AI编程工具从辅助插件进化为能够独立完成任务的代理,编程的门槛正在降低,但开发者对系统底层复杂性的理解可能也在弱化。Miguel的实践提醒行业:在追求效率的同时,保持对代码库的深度理解依然是高级工程师不可或缺的核心能力。这可能会引发关于未来开发者培训和技能评估标准的重新讨论,即在AI时代,我们是否仍需要保留“手工编码”的能力。

常见问题

问题 1:作者为什么要在这个时间点选择手工编码?

作者认为,虽然现在许多成功的程序员认为编程已经是一个被AI解决的问题,但他希望通过三个月的实践,探索在没有AI辅助的情况下,编程作为一种手艺的本质,以及这种方式对学习代码库的影响。

问题 2:作者在AI领域有哪些专业背景?

作者曾在Aily Labs领导AI代理的开发,曾早于Anthropic和OpenAI发布相关研究前就构建了内部搜索代理。他还主持过关于DeepSeek R1、Olmo 3和Llama 3等前沿模型的论文研讨会,对SOTA模型和开源模型有深入研究。

问题 3:手工编码和使用AI代理的主要区别是什么?

根据作者的初步观察,手工编码不仅是实现功能的过程,更是开发者深入理解代码库的过程。而使用AI代理虽然能快速生成代码,但可能会削弱开发者对代码细节和整体结构的掌握。

相关新闻

美团LongCat开源General 365推理评测集:Gemini 3 Pro仅获62.8分,树立行业新标尺
行业新闻

美团LongCat开源General 365推理评测集:Gemini 3 Pro仅获62.8分,树立行业新标尺

美团LongCat团队正式发布General 365推理评测集。在对26款主流模型的实测中,目前表现最强的Gemini 3 Pro准确率仅为62.8%,而绝大多数模型得分均低于60分及格线。该评测集的发布旨在为大模型推理能力提供更严苛的衡量标准,揭示了当前AI模型在复杂推理任务中的局限性。

ACL 2026美团技术团队入选论文解读:大模型评测与推理优化新范式
行业新闻

ACL 2026美团技术团队入选论文解读:大模型评测与推理优化新范式

美团技术团队在ACL 2026国际顶级学术会议中共有6篇论文被收录。这些研究成果涵盖了大模型能力评测、复杂流程推理、竞赛级数学思维优化、强化学习优化以及生成式推荐等多个前沿领域。本文将深入探讨美团如何通过这些技术创新,在自然语言处理(NLP)领域构建生成式AI的新范式,展示其在AI底层技术与应用层面的深厚积累。

美团技术实践:如何用Agent评测思路管理AI Coding并重构31万行代码
行业新闻

美团技术实践:如何用Agent评测思路管理AI Coding并重构31万行代码

本文深入探讨了美团技术团队在AI生成代码占比超90%的背景下,如何通过Agent评测思路管理AI Coding。通过31万行代码的重构实践,团队建立了技术债梳理、Rule建设、重构SOP及Pre-PR机制,成功将高成本的重构专项转化为随迭代持续推进的日常动作,有效解决了AI可能带来的代码混乱问题,为大规模AI代码治理提供了实战参考。