AI 编码的边界——什么该交给 AI、什么该自己写

核心论点AI 写 Dockerfile/K8s manifest 又快又好写业务逻辑却经常翻车——这不是模型能力的差异是任务类型的差异。理解AI 擅长什么类型的问题比学会写 prompt 更重要。一个现象AI 写配置比写代码靠谱得多如果你用过 AI 写 Dockerfile 和写业务逻辑大概率有这种感觉让 AI “写一个多阶段构建的 Python Dockerfile”——一次过直接能跑让 AI “实现一个订单退款流程”——改了三四轮还有边界问题这不是偶然。两类任务的底层结构完全不同。参数化模板 vs 创造性逻辑维度参数化模板适合 AI创造性逻辑需要人任务特征格式固定参数变化需求模糊需要设计最佳实践有公认标准答案依赖业务上下文验证方式语法校验 dry-run 即可需要业务逻辑测试错误代价配置错误→服务起不来可快速发现逻辑错误→错误计算可能潜伏很久典型场景Dockerfile、K8s manifest、监控规则、CI 配置、部署脚本业务逻辑、异常处理、状态机、多实体交互AI 的完成质量通常一次通过经常需要多轮迭代修正理解这个表格比背 20 条 prompt 技巧有用。因为当你遇到一个新任务时你会先判断这是参数化模板还是创造性逻辑然后决定要不要让 AI 做。为什么 AI 写配置好配置文件的三个特征恰好是 AI 的优势区间特征一格式固定Dockerfile 的指令就那十几个FROM、RUN、COPY、CMD……、K8s manifest 的结构也是固定的apiVersion、kind、metadata、spec。AI 不需要设计只需要填充。我的项目 - FastAPI 服务入口 src/main.py - Python 3.12 - 依赖在 requirements.txt 生成 Dockerfile要求slim 镜像、多阶段构建、非 root 用户。AI 输出的是一个模板填充结果——它读过成千上万个 Dockerfile知道Python 3.12应该用python:3.12-slim、知道多阶段构建的第一阶段叫builder、知道非 root 用户要USER appuser。这些都是标准答案。特征二上下文独立一个 Dockerfile 需要知道的上下文项目语言版本、依赖文件位置、启动命令。就这些。不需要知道订单表有几个字段、缓存策略是 LRU 还是 TTL。这意味着 AI 不会因为不知道业务上下文而写错。它需要的信息你一句话就能说清楚。特征三验证成本低docker build . # 能不能构建成功 kubectl --dry-runclient apply -f deploy.yaml # 语法对不对 curl http://localhost:8000/health # 服务能不能通这些验证都是秒级的且不需要业务数据。AI 写错了你在 CI 里 10 秒就能发现。不会像业务逻辑错误那样潜伏到生产环境。为什么 AI 写业务代码容易翻车业务代码的三个特征恰好是 AI 的盲区盲区一隐含假设实现一个退款功能这句话在人看来包含很多隐含假设退款只能退已支付的订单、退款金额不能超过实付金额、退款后要恢复库存、退款需要记录操作日志。AI 不知道这些——你没说它就不做。它输出的退款功能可能只是一个 UPDATE 语句。盲区二上下文依赖链长写一个服务端的函数你需要知道调用方的期望、依赖服务的接口、数据库的 schema、异常时上游怎么处理的。这些知识分布在 5~10 个文件中AI 即使读完了全部文件也很难同时理解这些文件之间的所有隐含约束。盲区三正确性难以自动验证配置文件的验证是一行命令的事业务代码的验证是全部测试用例的事。如果你的项目测试覆盖不全大多数项目都是那 AI 写的业务代码有没有 bug上线之前没人知道。所以把任务拆成模板部分和逻辑部分理解了这个边界之后一个实用的策略接到任务先问自己——这个任务里哪些是参数化模板、哪些是创造性逻辑任务在 API 网关新增一个限流功能 参数化模板部分让 AI 做 - 生成 nginx/lua 限流配置格式 - 生成对应的 Prometheus 监控规则 - 生成部署 manifest加 sidecar 或 middleware 创造性逻辑部分人做 - 限流策略设计按 IP按用户按 API - 限流阈值定多少需要业务数据和压测 - 被限流时的降级行为返回什么给用户AI 做上半部分人做下半部分。两个部分合起来比一个人全做快得多也比 AI 全做安全得多。一条原则用 AI 省查文档的时间不省思考的时间AI 最擅长的事把查文档→复制→改参数这个流程压缩到一句话。人不应该省的事判断、设计、决策、验收。让 AI 做帮我写一个 Dockerfile 你自己做这个服务该 alpine 还是 slim端口映射对吗健康检查路径对吗 让 AI 做生成订单查询 API 你自己做查询条件有哪些分页怎么设计权限怎么控制AI 省了写格式的时间你省下时间去做格式之外的判断。这才是 AI 编码的正确姿势——不是替代你而是让你把精力分配得更合理。核心要点AI 写配置好不是因为模型强是因为配置文件是参数化模板。格式固定、上下文独立、验证成本低——这三个特征决定了 AI 的高成功率。AI 写业务代码容易翻车不是因为代码难是因为业务代码充满隐含假设。你不说出来AI 就不可能知道。而所有隐含假设都说清楚工作量约等于你自己写。接到任务先拆解哪些是模板部分交 AI哪些是逻辑部分自己做。模板部分 AI 做得又快又好逻辑部分人做得更可靠。两者不冲突。验证成本决定 AI 的安全边界。能秒级验证的任务配置文件、格式化代码、正则AI 犯错无伤大雅需要长时间验证的任务业务逻辑、状态机、数据一致性AI 犯错成本高人必须把关。AI 编码的正确姿势不是让 AI 替你做而是让 AI 帮你做完模板部分你集中精力做判断部分。省查文档的时间不省思考的时间。