“等你跟AI描述完需求、看完它生成的代码、再改完它的bug，我手敲都写完了。”
这句程序员之间的经典吐槽，最近变成了知乎热榜上的正式提问：如何向别人解释“有你这AI写代码的时间，我早就古法编程写完了”？
“古法编程”这个词是vibe coding（氛围编程）火了之后才有的，借的是“古法酿造”的说法——手工输入、从零实现、不用任何AI辅助。这个问题妙就妙在：它问的不是“AI写得好不好”，而是“快不快”。而“快不快”恰好是能拿实验数据回答的。我把近一年的几份研究翻了一遍，发现答案比两边吵架的人想的都有意思。
吐槽的人，可能真没说错
2025年7月，AI研究机构METR公布了一项随机对照实验：16位资深开源开发者——平均在自己维护的代码仓库上干了5年，这些仓库平均超过2.2万star、上百万行代码——完成246个真实任务，一半允许用AI，一半禁止，全程记录实际耗时。
结果：用AI的那组，平均慢了19%。
更扎心的是第二组数字。这批开发者事前预测AI能帮自己快24%；实验做完、甚至看到自己的用时数据之后，仍然坚信自己快了20%。感受与现实之间，差了39个百分点。
所以知乎那个问题，数据给出的第一层答案是：在某些场景下，“古法编程更快”不是守旧者的嘴硬，是被对照实验验证过的事实。
但要看清实验是在哪儿做的
慢19%的结论有严格的边界条件：这批人是顶级熟手，干的是自己维护了5年、闭着眼都知道哪儿放什么的上百万行代码库。对他们来说，“上下文”早就在脑子里，AI反而成了累赘——描述需求要花时间，生成的代码要逐行核对，改它的不如自己写。
反过来的证据也有。Anthropic今年1月发布过另一项随机对照试验：52名初级工程师学习一个谁都没接触过的异步编程库Trio，AI组完成任务平均快约2分钟（未达到统计显著），但随后的理解测验里，AI组平均50分，手写组67分。真正拉开差距的不是用没用AI，而是怎么用：把代码生成整个甩给AI的人，得分低于40%；让AI写代码但追问“为什么这么写”、只用AI解释概念的人，得分在65%以上。
两份实验拼在一起，图景就完整了：AI编程的快慢，不取决于AI，取决于你和任务的关系。 领域越陌生、你越需要有人带着走，AI越赚；你越是深耕多年的熟手，AI的“描述—核对”成本越可能吃掉它省下的打字时间。微软杰出工程师David Fowler 9月4日那句刷屏的“敲代码的时代彻底结束了”，和“古法编程更快”的吐槽，其实说的是同一片森林的不同角落——纳德拉也公开说过，微软内部已有20%到30%的代码由AI编写。没人真的退回手工，争的只是哪段活该给谁。
吵架双方都在拿感觉当证据
回到那个39个百分点的感知偏差。METR去年8月想做后续实验，结果做不下去了——越来越多开发者拒绝在没有AI的条件下完成任务，30%到50%的参与者承认会刻意挑那些“离了AI不想干”的活儿提交，今年2月METR只好改了实验设计。
这说明什么？说明“AI快还是手工快”这场争论，双方引用的往往都是自己的体感，而体感在这件事上系统性不可靠。Claude Code的作者鲍里斯·切尔尼9月10日公开回复一位开发者来信时给过一个务实的分法：原型和一次性代码，尽管当黑箱用，反正要扔；进生产环境的代码，标准应该比人写的更高，得经得起审查。他没站队“AI派”或“古法派”，他站的是“这段代码要活多久”这一队。
给普通人的抄作业版
你未必写代码，但“古法还是AI”这道题人人都在做——写方案、做表格、改简历都一样。三条可以直接拿走：
一、按熟悉度分工。 深耕多年的老本行，你的“脑内上下文”就是最大资产，AI帮的是打字，核对成本可能倒挂；陌生领域、新工具、没干过的活，放心交给AI带路。
二、别让AI替你思考，让它替你解释。 Anthropic实验里得分高的人只做对了一件事：AI生成之后追问一句“为什么这么做”。这一个动作，就是65分和40分的分界线。
三、按“这东西要活多久”定标准。 一次性的草稿尽管快跑，要长期用的东西必须自己看得懂。我自己日常在 spark1.cn 的 /ai-writer 里起稿、在 /tools/ 里挑顺手的小工具，用的也是这个分法：起稿求快，定稿求懂。
下次再有人跟你抬杠“古法编程更快”，你可以笑了：都对，看活儿。真正的问题从来不是谁打字快，而是谁在敲下回车之前，真的看懂了自己交出去的东西。
本文素材综合自腾讯新闻、凤凰网科技、InfoQ、少数派、掘金等公开报道与研究资料。
💬 评论