实测 30 天让 AI 写全部代码：SaaS 上线的 9 个翻车现场

IT加油站2026-09-11 23:1198分钟

原文：https://dev.to/infoinlet1/i-let-ai-write-100-of-my-code-for-30-days-heres-what-broke-1aa0（作者 @infoinlet1）

不是“AI 辅助”，也不是“我改了改 Copilot 的建议”。我的意思是，我给自己定了一条铁律：30 天之内，我一行应用代码都不亲手敲，全部由 AI 来写。我的工作只剩三件事：描述需求、审查代码、决定是否采纳。

我用这种方式上线了一个真实产品——一个带用户认证、Stripe 计费、数据看板和公开 API 的小型 SaaS。它能跑，而且已经在生产环境中运行。一路做下来，我也确切看清了“AI 包办一切”的美梦到底在哪里站得住，又在哪里悄悄崩塌。

这不是吹捧文，也不是唱衰文。这是一份实地报告。

规则

为了不骗自己，我定下这些规则：

我不手写任何应用逻辑。我写提示词，AI 写代码。
我可以逐行阅读它给出的代码、拒绝它、要求重写——但不能自己在编辑器里动手修。
配置文件、密钥，以及“去控制台点那个按钮”之类的操作归我管（反正这些 AI 也做不了）。
如果真的卡住超过一个小时，我就把它记作一次“破例”（break），然后自己动手写代码。

到最后我一共记下了 9 次破例。有意思的部分全在这 9 次里。

好得出奇的部分

先替机器说句公道话，因为下面很多东西确实让我吃了一惊。

从零搭建新项目的脚手架，基本已经被解决了。“搭一个带 Postgres、Drizzle 和用户认证的 Next.js 应用”——一次生成，直接正确。项目前 40% 的进度快得超过我以往做过的任何东西。

样板代码它从不出错。 CRUD 接口、表单校验、Zod schema、带排序和分页的表格组件——这些都是我最讨厌写的东西，而它每次都写得完美无缺，无可挑剔。

它是一只绝佳的小黄鸭。 问它“这个查询为什么慢”，得到的答案比我自己一个人闷头推理出来的更好——它一口气同时指出了缺失的索引和一个 N+1 查询问题。

第一周的时候，我是真心打算写一篇“开发者已经过时了”。然后，第二周来了。

哪里崩了——老实交代这 9 次破例

破例 1–3：它没法把整个系统装进脑子

AI 对眼前这个文件了如指掌，对三个文件夹之外的那个却视而不见。它会兴致勃勃地写出第二个 formatCurrency 工具函数，因为它根本不知道已经有一个了；它把我已有的中间件晾在一边，在代码里内联重新实现了一遍权限校验；它在新模块里引入了一个细微不同的 User 类型。

这些都不算“bug”——代码全都能编译，测试全都通过。这是架构漂移（architecture drift）。而架构漂移是隐形的，直到某一天让你赔进去整整一周才会现形。

AI 做的是局部优化。让整个系统保持连贯一致，仍然是人类的活儿。

破例 4–5：它会自信满满地写出看似合理、实则错误的代码

最吓人的失败不是崩溃，而是那些看起来正确、在一切顺利的理想路径上也跑得好好的代码。

它写的计费 webhook 处理器，在持久化之前就先向 Stripe 确认（acknowledge）了事件。测试环境下完美运行。到了生产环境，数据库只要抖一下，就会出现一个付了钱、却没有访问权限、也没有任何记录的客户。我能抓住这个问题，纯粹是因为我以前恰好被一模一样的事坑过。一个照抄 AI 输出的初级工程师是抓不住它的。这才是让我夜里睡不着觉的部分。

破例 6：调试它自己写的代码是一场绝望的循环

当问题出在 AI 看不见的地方，让它修只会产出“改动”，而不是“修复”。它会自信地重写那个函数，发誓 bug 已经消灭，然后在两轮提示之后把 bug 原样带回来。如果不是我还能自己下到调试器里、真正搞清楚程序的运行状态，我们会在原地打转到天荒地老。这是这一个月里最耗时间的一件事。

破例 7–8：品味，以及说“不，再少一点”

要一个设置页，它给了我 14 个没有任何用户要求过的选项。要做错误处理，它把所有东西都包进 try/catch，然后把错误悄悄吞掉。AI 的本能是做加法。至于知道该省掉什么——工程中真正属于产品设计的那部分——它一点都没有。

破例 9：最后 10% 仍然是 90% 的工作量

做到“演示能跑”花了一周。做到“能扛住真实用户凌晨两点搞出奇怪操作”花了另外三周。边界情况、竞态条件、空状态、错误状态、“用户连点两次怎么办”的状态——这些 AI 一概不会处理，除非你知道该开口要——而知道该要什么，本身就是这份工作。

让人不太舒服的结论

30 天之后，我真正相信的是：

AI 没有取代我。它取代的是那些我过去交给初级工程师做的任务。脚手架、样板代码、第一版草稿——这恰恰是初级工程师边干边学的活儿。而这才是没有人算进账里的真正问题：如果入门级工作全被 AI 干了，下一代资深工程师从哪里来？一万小时是跳不过去的，你能改变的只是这一万小时花在哪里。

每天真正起作用的技能不是写代码，而是：

看出它给我的代码哪里有细微的错误。
知道哪些东西不该做。
把整个系统装在自己脑子里，才能及时抓住漂移。

这些全是资深技能。也就是说，AI 并没有把职级金字塔拉平——它让塔尖变得更值钱，同时抽掉了通往塔尖的梯子。

我真正改变的是什么

我并没有停止使用 AI——现在 100% 的打字都由它完成，以后也会一直如此。我改变的是围绕它的护栏，而且每一条护栏都对应着上文的一次翻车：

写代码的那个东西永远不是审查代码的那个东西。一个被要求专门去反驳这份 diff 的独立审查者，能抓住那些看似合理实则错误的代码——而这类代码，作者自己永远会放行。
没有一个能看清模型所看不见的波及范围的人类把关，任何代码都不许合并。
“能编译、测试全过”只是审查的起点，而不是终点——因为模型写出的测试，会和它自己错误的心智模型保持一致。

这种分离——这边是作者，那边是唱反调的怀疑者，合并按钮握在人类手里——正是我能把打字交给机器、夜里还睡得着觉的全部原因。顺带一提（这绝非巧合），这也正是我们打造 xenition 的方式：一个负责干活的 agent、另一个专门试图推翻它的 agent，再加一个对决策负责的人。把它放进一个真实的 30 天构建项目里亲身验证（dogfooding），才是我唯一信得过的基准。