Agentic Coding is a Trap | Lars Faye
"编码技能的萎缩之所以令人担忧，正是因为存在'监督悖论（paradox of supervision）'—— 有效使用 Claude 需要监督，而监督 Claude 又依赖那些可能因 AI 过度使用而萎缩的编码技能。" — Anthropic 研究
四大代价 / FOUR TRADE-OFFS
代理式编码的对价
速度的账单远不止 token 那一栏。
- 系统复杂度↑：为容纳 AI 非确定性（non-determinism），外围基础设施越来越臃肿
- 技能萎缩 / Atrophy：广泛人群的编码与调试能力在退化
- 厂商锁定 / Vendor Lock-in：Claude 一次宕机，整队停摆
- 成本不可预测：员工成本固定，token 价格随模型版本日新月异
监督悖论 / PARADOX OF SUPERVISION
用 AI 的能力，正被 AI 侵蚀
这是 Anthropic 自己研究里承认的矛盾。
- 有效用 Claude：必须能监督它
- 监督 Claude：依赖会被 AI 过度使用而萎缩的那套编码能力
- 47% 下降：另一项 Anthropic 研究中，开发者调试技能的滑落幅度
- 资深也不免：Simon Willison（30 年经验）—— "对应用没有牢固心智模型，每加一个特性都更难推理"
写码即思考 / CODING === PLANNING
代码本身就是规划过程
你"说"的不等于你"想"的，LLM 用假设填补歧义。
- Dax（OpenCode 作者）：敲代码本身，就是我搞清楚要做什么的过程
- 歧义放大：更多 review、更多修订、更多 token、与代码越来越远的脱节
- 无法回避：再完美的 prompt，LLM 也只是 next-token 预测引擎，不是编译器
- 确定 vs 概率：用概率系统替代确定系统，期待零歧义不现实
⛔
编排者陷阱 · ORCHESTRATOR TRAP
AI 写代码，人类做编排
把实现整段交给 AI，自己只拉计划、审输出 —— 与代码距离越拉越远，先萎缩、后失能。
✅
降级 AI · DEMOTE AI'S ROLE
我做实现，AI 起草规格 + 当查询助手
反转编排：让 AI 帮我生成 spec / plan，自己手敲 20%–100% 的代码；永不生成超出一次能 review 完的量。