昨天刷到一篇文章，讲的是 Google DORA 团队 2025 年的报告。
一句话概括：AI 让代码写得更快了，但系统却更不稳定了。
具体数字？稳定性下降 7.2%，吞吐量不升反降 1.5%。
我看到这个数字的时候，愣了一下。
然后笑了。
不是嘲笑，是那种"果然如此"的苦笑。
因为这件事，我 18 年前就见过了。
那是 2008 年，我刚工作没两年。
团队里来了个新框架，叫 Struts2。
当时 Java Web 圈子里最火的东西，号称"开发效率提升 3 倍"。
我们整个团队扑上去了。
两周，一个完整的后台管理系统就搭起来了。
快不快？真快。
然后呢？
上线第一个月，三次宕机。
不是服务器扛不住，是框架本身的配置冲突。
一个 Action 映射写错，整个应用直接 500。
排查？文档几乎没有，社区问答全是英文，Stack Overflow 那时候都还没出生。
我们花了两个月去"还债"。
最后那个项目的维护成本，比用老框架还高。
你说 Struts2 不好吗？
不是不好。是它让你"快"的那部分，和让你"稳"的那部分，不是同一件事。
这件事我记了 18 年。
因为后来类似的剧本，我至少又见了四五次。
jQuery 火的时候，大家疯狂写 inline JS，页面交互是快了，三个月后没人能改。
微服务火的时候，一个单体拆成 40 个服务，部署是灵活了，排查一个问题要翻 6 个日志。
React 火的时候，组件拆得那叫一个优雅，但状态管理一团糟，props drilling 钻到第十八层。
每一次，都是同一个故事：
新工具让你"写"的部分变快了，但"维护"的部分变难了。
如果你不在"快"的同时把"安全网"织好，迟早要还。
现在 AI 来了。
这次的"快"，是前所未有的快。
Google 说他们 75% 的新代码是 AI 生成的。
Stack Overflow 调查了 3 万多个开发者，73% 用 AI 的人每天都在用。
GitHub 的数据更夸张：2025 年全年 10 亿次提交，到 2026 年变成了每周 2.75 亿次。
什么概念？提交量翻了差不多 14 倍。
然后 GitHub 自己呢？
2025 年 5 月到 2026 年 4 月之间，257 次服务事故。其中 83 次是容量故障。
他们原本准备扛 10 倍的流量增长。
实际来了 30 倍。
DORA 报告说得很直白：
AI 提高了个人吞吐量，但系统的 change failure rate 上升了。
翻译成人话就是：你代码是写得快了，但部署失败的次数也多了。
这让我想起一个很老的软件工程定律：
技术债务不会消失，它只是被推迟了。
AI 做的事情，本质上是把"写代码"这个环节的成本压到了极低。
但一个软件系统的成本，写代码只占 20%。
剩下 80% 在哪？
在理解需求、在设计架构、在写测试、在做 review、在排查线上问题、在凌晨三点被叫醒修 bug。
这些环节，AI 目前一个都没帮你省。
你只是在"写"这个环节加速了。
但系统是一个整体。
上游快了，下游没跟上，瓶颈就转移了。
我现在的团队就在经历这个过程。
用了 AI 编码助手以后，大家的代码产出确实上去了。
一个功能以前要写两天，现在半天就出来了。
但是。
Code review 的时间变长了。
因为代码量大了，review 的人看不过来。
测试覆盖率反而下降了。
因为"AI 写的代码应该没问题吧"，大家就偷懒少写了。
线上告警变多了。
因为一些以前不会犯的低级错误，现在被 AI 批量制造出来了。
你说这是 AI 的错吗？
不是。
这是"只加速了一个环节，但没有同步升级其他环节"的错。
就像你给一条双车道公路装上了 F1 赛车的引擎。
车是快了，但路没变宽，弯道没改，护栏也没加固。
翻车是迟早的事。
那怎么办？
不用 AI 了？退回去手写？
当然不是。
AI 是好东西。我每天都在用，而且越用越离不开。
但 DORA 报告真正想说的，我觉得不是"AI 不好"。
而是：你不能只享受速度，不承担速度带来的责任。
具体怎么做？
我自己的经验，三件事。
第一，小批量。
AI 一次给你生成 500 行代码？
别直接合。
拆成 5 个 100 行的 PR。
每个 PR 做一件事。
Review 的人看得清，出了问题也好回滚。
DORA 报告里反复强调的一个结论：small batches 是所有高绩效团队的核心习惯。
AI 时代，这条比以前更重要。
第二，测试不能省。
AI 写的代码，你更需要测试。
因为你不一定完全理解它为什么这么写。
你以为你省了写代码的时间，但如果你不花时间验证它，你只是在"借"时间。
借来的时间，是要还的，而且带利息。
第三，review 要更严格，不是更宽松。
我见过有些团队用了 AI 以后，review 反而变松了。
理由是"AI 写的代码质量应该比人写的好"。
这话对不对？
可能对。
但 AI 写的代码有一个问题：它特别"自信"。
它不会告诉你"这里我不太确定"。
它给你的每一行代码，看起来都像是有充分理由的。
但有时候，那个理由是错的。
而且错得很"自然"，你一眼看过去觉得没问题。
这比人写的 bug 更危险。
因为人写的 bug，你至少能看出"这个人当时可能没想清楚"。
AI 写的 bug，你看不出痕迹。
说了这么多，我想表达的核心观点其实很简单：
AI 是一个放大器。
它放大的是你现有的工程能力。
如果你的工程实践好——小批量、高覆盖、严 review——AI 会让你好得更快。
如果你的工程实践差——大批量、不测试、走过场——AI 也会让你差得更快。
它不会帮你补短板。
它只会把你已有的东西，加速呈现出来。
18 年前，Struts2 教会我这个道理。
18 年后，DORA 用 3 万人的数据，又证明了一次。
工具会变。
人性不会。
工程的基本功，也不会。
快，是好事情。
但"快而不崩"，才是真正的本事。
数据来源：Google DORA Report 2025, GitHub Octoverse 2025, Stack Overflow Developer Survey 2026