这段文字很有意思，不是在盲目吹捧也不是完全否定 AI 编程，而是从一个真实的开发体验出发，指出了 当前 AI 编程的边界与瓶颈。下面我从三个角度聊聊我的看法，通俗易懂、客观中立，并加上一些个人思考：
一、AI 写代码很强，但“写代码 ≠ 做项目”
Claude 4 能从编译后的 6 万行 JS 里还原 Vue 源码、再重构成 React + Jotai，这是很惊人的能力，说明：
Claude 在代码理解、转换、重构等“编程技能”上，确实接近甚至超过很多人类程序员；
它可以快速处理复杂逻辑、转换框架，这对于提高开发效率、辅助开发者完成重复性工作具有巨大潜力。
但问题是：做项目不是写几段代码，而是一个完整的工程流程。
这包括：
功能拆解、模块划分
架构设计与组件协作
状态管理、数据流动
错误处理、调试、测试
可维护性与可拓展性
AI 很擅长「写好看的段落」，但对「织成一张网」的工程系统，还很吃力。尤其是当你一边修 bug，一边发现另一边崩了——这就很像是在「AI 搭建的房子里找漏水点」，你根本不知道水管是怎么布的。
二、AI 的最大短板：缺乏全局性与环境感知
作者提到两个关键瓶颈，我也非常认同：
1. 全局感知不足
AI 只能处理有限的上下文，比如 Claude 4 的 200K token 看上去很多，但一个中大型前端项目的代码、依赖、资源、测试逻辑加起来，远超这个量级。这就好比让一个记忆力有限的人去维护一个庞大的图书馆，他可能可以整理好一个书架上的书，但很难理解整个图书馆的分类系统和书籍之间的关联。
结果就是：
它能看清一部分，却看不清整体结构；
修一个 bug，可能引出另一个，因为没意识到整体数据/事件流的复杂依赖；
它“没有工程师脑中那张系统图”，当出现牵一发而动全身的 Bug 时，AI 很难像人类工程师那样，从整体出发进行系统性修复。
2. 无法感知真实运行时的环境与体验
AI 看不到页面怎么闪、UI 卡顿、元素没对齐、用户操作出错或理解用户的真实意图；
就像一个“不会用鼠标的前端工程师”，只能靠错误日志推理，但无法亲自测试体验。
三、AI + 人类工程师：协作才是出路
这段文字真正有价值的观点是：
AI 的瓶颈不是“不会写代码”，而是“不会做工程”。
不要再浪费时间去刷 leetcode 搞算法了，多提升系统设计能力和使用 AI 能力会更有前途。
这给我一些启发：
✅ 1. AI 擅长局部，尤其是模块级任务（几百～几千行）
编写独立组件、数据处理逻辑、转换工具、脚本等，AI 是极强的助手；
特别适合“高重复性、低上下文依赖”的工作。
✅ 2. 人类工程师的核心价值在于系统思维与项目掌控能力
模块划分、依赖关系、数据流动、状态设计、异常处理；
决定什么功能重要、怎么测试、如何设计更新策略；
这些不是“代码生成”，而是“工程判断”。
✅ 3. 未来是“工程师 + AI”的协作模式
工程师扮演“指挥”和“架构师”，用 AI 做体力活；
更像是“用 AI 打造系统的砖块”，而人类决定“怎么搭房子”；
对程序员来说：系统设计能力 + 使用 AI 的能力，将是最关键的竞争力。
综上补充在 AI 已经能高效完成基础编码和算法实现的情况下，人类程序员的价值更多体现在更高层面的能力上：
系统设计能力： 能够从零开始设计一个健壮、可扩展、易维护的系统，这需要深厚的技术积累、对业务的理解以及预见性。这正是 AI 目前最欠缺，也是人类最能体现价值的地方。
问题解决能力： 尤其是在面对复杂、模糊、甚至难以描述的问题时，人类的 批判性思维、逻辑推理能力 和 创造性 依然是不可替代的。
与 AI 协作的能力： 了解 AI 的优势和局限，学会如何高效地利用 AI 工具来提升自己的工作效率，将 AI 作为强大的助手，而非替代者。
最后总结一句话：
AI 编程不是幻觉，它是真的强。但复杂系统从来不是靠“写代码写出来的”，而是靠“一步步演化设计出来的”。
我们要学会用 AI，做得更快，但也不能忘记：“做系统”永远是一种需要责任感、结构意识和演化智慧的事。
