# 招应届加AI，省了工资，坑了项目 - URL: https://davidyin.dev/writing/ai-amplifies-experience-gap/ - 作者: David Yin - 发布: 2026-06-08 - 标签: x-article - 摘要: 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。 *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。** *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。** *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。** *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 - Replit AI 删库事件（Fortune，2025-07）：https://fortune.com/2025/07/23/ai-coding-tool-replit-wiped-database-called-it-a-catastrophic-failure/ - GitClear 2024 AI 代码质量分析报告：https://www.gitclear.com/coding_on_copilot_data_shows_ais_downward_pressure_on_code_quality - METR 资深开发者 AI 加成对照实验（2025）：https://metr.org/blog/2025-07-10-early-2025-ai-experienced-os-dev-study/ - Devoteam 综述（含 ChatGPT 后 junior 岗位占比变化）：https://www.devoteam.com/expert-view/ai-impact-software-developer-careers-2026/