上个月，我用 Cursor Composer 跑完了一个内部工具的后端代码。
全程我没写一行 Java——提需求、改需求、让它自测，最后我做的事情叫”复制粘贴粘贴复制粘贴复制”。
然后我坐在那里，突然不知道该干嘛了。
这种感觉我猜你们也遇到过：
AI 把活干了，干完你却空落落的。
这不是凡尔赛。是真的慌——效率是提升了，但好像哪里不对劲。
所以今天这篇，我不去吹 AI 编程有多强。我就想聊一件事：
省下来的时间，程序员真正该拿去干嘛？
先说清楚：AI 到底接管了什么#
先上一个我自己的感受，不讲大道理，直接说我的工作流。
被接管了（或者说效率大幅提升）：
- 写单测：原来我写单测是硬着头皮写，现在丢给 Cursor，2小时出来一套可运行的。我只负责看覆盖率够不够
- 简单 CRUD：增删改查这种，Claude Code 几乎可以一键生成，我做的只是确认逻辑
- 代码格式化和简单重构：这个不用说了，基本上是零摩擦
- 写文档注释：自动补全，一气呵成
没被接管（至少目前没有）：
- 业务判断 ：这段逻辑为什么要这么写？谁会用？为什么这么设计？这事 AI 回答不了你
- 跨模块理解 ：这个改动会影响到哪几个服务？需要和产品对齐，需要你懂全局
- 代码审查中的取舍 ：这段代码能跑，但风格丑；这段性能好，但可读性差——取舍是人的活
- 和技术外行人沟通 ：解释技术债是什么，为什么修它比写新功能重要
简单说：AI 接管了”输入→输出”明确的重复性工作，但没接管”为什么要做这个判断”的部分。
一个反直觉的结论：效率越高，瓶颈越明显#
你们有没有这种感觉——
AI 帮你加速了，你反而更焦虑了。
因为原来你的瓶颈是”写代码速度”。现在代码写得飞快，瓶颈直接暴露出来：你的产品判断力、架构理解力、业务敏感度 。
写代码反而不是最难的事了。
最难的事变成了：
- 这个需求到底值不值得做？
- 这个技术债再不修会影响什么？
- 这次重构的边界在哪，做到什么程度就够了？
这些问题，AI 帮不了你。你只能靠积累和思考。
省下来的时间，我建议花在这三件事上#
我自己的选择，不一定对，仅供参考：
第一件事：搞清楚你所在的业务在做什么
很多程序员（包括我自己）有个毛病——只管写代码，不管业务逻辑。产品说做什么就做什么，不问为什么。
AI 帮你写了代码之后，你突然有时间可以问了。
多问几句”为什么”，你会发现自己对产品的理解在加深。做决策的时候会开始有底气。
第二件事：学会和技术外行解释技术问题
这件事我觉得被严重低估了。
你能把一个复杂的技术方案，用非技术人员能听懂的方式讲清楚，说明你真的理解了这件事。
而且这件事 AI 做不了——你没法让 AI 去跟老板解释为什么不能省掉这个技术债。
第三件事：做减法，而不是加法
效率提升之后，最容易掉进去的坑是用省出来的时间做更多的事。
但问题是：如果做的事情方向错了，做得越快亏得越多。
省下来的时间，与其去卷更多的代码，不如用来想清楚”什么不值得做”。
写到这里，我其实挺想知道你们的真实感受。
AI 编程工具用了这段时间，你们的”省下来的时间”都花在哪了？是真的摸鱼了，还是花在了一些意想不到的地方？
评论区说说，我很想看看大家的情况。
好了，以上就是我这一个月的真实感受。
效率提升是真实的，这一点不用讨论。但真正的问题从来不是”AI 能帮你做什么”，而是”你拿 AI 帮你省出来的时间去做什么”。
这个问题，只有你自己能回答。
本文首发于知乎，略有修改。