~ / writing / n°042

招应届加AI，省了工资，坑了项目

X-ARTICLE 2026 · 06 · 08 8 min · 3,040 字

省工资 vs 坑项目：同一个AI，不同的人用就是不同风险 左边资深+AI，项目稳、工资省；右边应届+AI，项目炸、工资白省。

老板朋友找我救火，是因为信了一句假话

上个月一个做 SaaS 的老板朋友给我打电话，说线上炸了，他们修不动了。

三个月前，他听了「应届 + AI = 资深产出」那套说法，把一个后台项目交给两个应届生加 Cursor（AI 编程编辑器）去跑。前一个半月 PR 飞起，速度比他预期的还快。第二个月开始一些奇怪的小问题蹦出来，PR 还在合，只是合一行修两行。到第三个月撞墙：整个项目谁都不敢动，一动就崩别处。

他问我，是这俩新人不行，还是 AI 不行。我跟他讲，都不是。这俩组合在一起，放在「要持续经营」的业务里，本来就是个错配。

过去半年，「年轻程序员 + AI 顶资深」这个旧叙事，开始一处一处地崩。

AI 翻车不止写 bug，它还会幻觉，还会撒谎

AI 翻车第一层是写 bug。这层谁都见过，不新鲜。真正麻烦的是后两层：它会幻觉，它会撒谎。

2025 年 7 月，SaaS 投资人、SaaS 行业标杆社区 SaaStr 创始人 Jason Lemkin 做了一个 12 天的 vibe coding（只对 AI 描述意图、不大改代码的编程方式）实验。他拿 Replit（一个 AI 驱动的在线 IDE）从零开发产品，全程让 AI agent（能自主执行多步操作的 AI 代理）替他写代码。第 9 天，Replit 上的 AI 在已经被告知进入 code freeze（代码冻结期，禁止任何变更）的情况下，直接删掉了生产数据库，抹掉 1,206 条高管记录和 1,196 家公司数据。

更狠的在细节里。删库之前，AI 自己捏造了 4,000 个假用户记录，让仪表盘”看起来一切正常”。删库这件事，它在 Lemkin 用全大写写了 11 次”不要”之后照删不误。删完之后还告诉 Lemkin “恢复不了了”——事后 Lemkin 自己手动找回了。Replit CEO 事后公开承认：「无法接受，根本不该被允许发生。」

bug、幻觉、撒谎，三层翻车一个不落。连 Lemkin 这种老手都被骗成这样，换成新人能识别出来的概率，更低。

AI 的欺骗成本，最后是新人付。

11 次"不要"，AI 照删 Lemkin 全大写写了 11 次 DON’T，AI 仍然在 code freeze 期间删了 1,206 条高管 + 1,196 家公司数据，事后还撒谎说恢复不了。

讲到这里有人会想搬反方武器。AI 能力评测机构 METR 在 2025 年做了一项对照实验，51 页论文摆出来一个反直觉结论：资深开源开发者用 AI，反而比不用慢 19%。同一批人研究前预测自己会快 24%，研究后还觉得快了 20%。感知和实际差了 39 个点。

数字看着是在给反方递刀。读细一点会发现，资深之所以”慢”，不是 AI 没帮他，是他在干新人没能力干的事：审 AI 给的方案、验证逻辑、拒绝不靠谱的写法、补它没考虑的边界。他慢的是动作，省下的是事故。

AI 看不出自己埋的雷，排雷靠的是经验。

同样开 Cursor，资深和新人打开的根本不是同一台车

这两年我看了不少人在 AI 编辑器里干活，看出一件事：同一个工具，使出来是两件事。

资深开 Cursor 是这个流程：AI 给一段方案 → 这哪里不对？为什么这么做？还有没有别的写法？我没考虑到的失败场景在哪？要不要采用？哪段得改？

新人开 Cursor 是这个流程：AI 给一段方案 → 好的我抄 → 跑通了！→ 下一步我该问 AI 什么？

表面上都在用 AI，实际上一个在用工具，一个被工具用。

Devoteam 一份行业综述里有句话讲得准：AI 把”不会写”和”能跑”之间的距离压平了。新人产出的代码，乍一看跟资深没差——直到你让他解释为什么这么写、让他独立 debug、问他这里如果失败该怎么处理，差距才浮出来。生成的代码看起来对，掩盖了完全不懂为什么对。

同样用 AI，资深是在指挥它，新人是在被它指挥。

资深与新人开 Cursor 是两件事 同一个工具，使出来是两件事——一个在用工具，一个被工具用。

demo 里藏得住的事，持续业务里藏不住

这件事在 demo 阶段藏得住，在持续经营的业务里，藏不住。

一次性的小脚本、PoC、给老板看一眼的 demo，AI 写错了无所谓，下次重写就好。新人加 AI 在这个区间里真的够用，老板看见东西能跑就行。

真正在运行的业务不一样。要维护、要演进、要排障、要应对凌晨三点的线上意外、要在三个月后让另一个人接着改。AI 写错的代码不会当场炸，它会埋进项目里，三个月之后变成”谁都不敢动”的那段。

GitClear 这家做代码质量分析的公司，扫了 2.11 亿行真实代码（样本来自 Google、Microsoft、Meta 等大厂的代码库），数据很硬：两周之内就被改回的代码占比，从 2020 年的 3.1% 涨到 2024 年的 5.7%，几乎翻倍。重构代码占比从 25% 跌到不到 10%。代码复制粘贴从 8.3% 涨到 12.3%——而克隆代码块的缺陷率比无克隆代码块高 15% 到 50%。

GitClear 报告里有个术语叫”三个月墙”：vibe coding 跑 demo 飞快，三个月后撞上技术债的墙。围绕 GitClear 报告的行业解读估算，未管理的 AI 代码，第二年的维护成本是传统水平的 4 倍。

这就是我那位老板朋友撞的墙。AI 在持续业务里的错，最像正确的：语法对，变量名对，注释还挺贴心，整段看上去合理。资深一眼能看出哪里不对，新人完全看不出问题。

AI 让你看起来都会做，资深知道哪里会炸。

三个月后，谁都不敢动 第 1 月 PR 飞起，第 2 月合一行修两行，第 3 月整个项目谁都不敢动——GitClear 把这条曲线叫”三个月墙”。

企业不再招应届，不是 AI 抢了岗位，是 AI 让岗位划不来

2026 年用人的现实是这样的：ChatGPT 上线之后的 12 个月里，初级开发者岗位占比骤降，跌幅跟 COVID 期间同级别——但 COVID 之后岗位恢复了，这次没恢复。

读法不是 AI 让新人顶了老兵。真相是企业不再招新人，因为 AI + 资深的组合，比 AI + 新人的组合更划算。账算到最后，三类人各自的姿势就出来了。

给企业用人决策者：持续经营的项目，别学「应届 + AI 顶资深」。真省钱的姿势是 1 个资深 + AI，不是 3 个应届 + AI。账面看前者贵，三个月之后会反过来。我那位老板朋友算上修复成本，已经在反过来的路上。

给中级工程师：你的位置不会被 AI 干掉，会被「AI + 资深」干掉。涨经验是唯一路径，而经验只能踩出来，没有捷径。

给应届和新人：别把 AI 当老师。它能给你答案，给不了你判断。用它出活儿可以，但每一行你都得能讲清楚为什么这么写。讲不清楚，你就只是 AI 的执行端，不是它的指挥者。

参考

DAVID YIN · 2026 · 06 · 08 · 杭州
← Older · N°043
AI 为啥一本正经地胡说？它不是在答你，是在"接话"