AI 正在放大技術(shù)選型的風(fēng)險(xiǎn)：為什么我們更應(yīng)該“選擇無聊的技術(shù)”
大約十年前，Dan McKinley 的一篇經(jīng)典雄文《選擇無聊的技術(shù)》（Choose Boring Technology）在工程師圈子里廣為流傳。它的核心觀點(diǎn)簡單而深刻：一家公司的“創(chuàng)新代幣”（innovation tokens）是有限的，應(yīng)該用在刀刃上，而不是隨意揮霍在那些閃亮但未經(jīng)證實(shí)的新技術(shù)上。
“無聊”的技術(shù)，比如 Postgres、Python、PHP，它們的優(yōu)勢(shì)不在于新潮，而在于其故障模式和能力邊界是眾所周知的。當(dāng)系統(tǒng)在凌晨三點(diǎn)崩潰時(shí)，你需要的是一個(gè)有大量 Stack Overflow 答案可以求助的領(lǐng)域，而不是一片你必須獨(dú)自開拓的未知“無人區(qū)”。
這個(gè)原則，在過去十年里，成為了無數(shù)資深工程師的技術(shù)選型座右銘。然而，十年后的今天，隨著 LLMs 和 Agentic AI 編程工具的崛起，業(yè)界仍然認(rèn)為：這個(gè)原則不僅沒有過時(shí)，反而比以往任何時(shí)候都更加重要，甚至更加致命。
AI 時(shí)代的“誘惑”與“危險(xiǎn)”
AI 編程助手帶來了一個(gè)全新的變數(shù)。這個(gè)變數(shù)既有趣，又極其危險(xiǎn)。
這里的“有趣”在于，現(xiàn)代 AI 工具（無論是 Claude 還是 Copilot）已經(jīng)非常擅長為幾乎任何你能想到的技術(shù)棧，生成“看起來非常專業(yè)”的代碼。你給它一個(gè) prompt，讓它用最新的 JavaScript 框架、GraphQL federation 和 Kubernetes 來實(shí)現(xiàn)一套微服務(wù)，它會(huì)迅速給你返回一堆代碼——這些代碼可能遵循了所有社區(qū)慣例，命名規(guī)范無可挑剔，錯(cuò)誤處理看起來也像模像樣，甚至，它可能真的能運(yùn)行。
這就是 AI 的“誘惑”。它讓你感覺，掌握任何新技術(shù)都不過是彈指一揮間的事。
而“危險(xiǎn)”也恰恰源于此。當(dāng)你在一個(gè)你不熟悉的技術(shù)領(lǐng)域里使用 AI 時(shí)，一個(gè)致命的問題出現(xiàn)了：
你根本無法驗(yàn)證，AI 是不是在“一本正經(jīng)地胡說八道”（bullshitting you）。
我親眼見過，有工程師接受了 AI 生成的代碼，而這些代碼里：
- 使用了早已廢棄的 API。
- 實(shí)現(xiàn)了嚴(yán)重的安全反模式。
- 制造了只有在生產(chǎn)負(fù)載下才會(huì)暴露的、極其隱蔽的性能問題。
為什么會(huì)這樣？因?yàn)檫@些代碼“看起來是對(duì)的”。但它的錯(cuò)誤，是深植于技術(shù)細(xì)節(jié)中的，只有真正熟悉這門技術(shù)的人才能一眼看穿。
風(fēng)險(xiǎn)的“乘法效應(yīng)”
過去，我們說選擇一門新技術(shù)是增加了一個(gè)“未知數(shù)”。而在 AI 時(shí)代，當(dāng)你將不熟悉的技術(shù)與 AI 生成的代碼結(jié)合時(shí)，你不再是簡單地增加未知數(shù)，而是在乘以未知數(shù)。
你不知道這個(gè)框架是否是解決你問題的最佳選擇；你不知道 AI 的實(shí)現(xiàn)是否遵循了最佳實(shí)踐；你不知道生成的代碼中，哪些是無傷大雅的模板，哪些是核心業(yè)務(wù)邏輯；你更不知道，這套組合拳將會(huì)以何種奇特的方式在未來失效。
這已經(jīng)不是簡單的“貨物崇拜”（cargo-culting）了，這是指數(shù)級(jí)的貨物崇拜。
注：“貨物崇拜”（cargo culting）是一個(gè)源自太平洋島嶼的概念，最早用于描述一些島嶼居民對(duì)西方物資和技術(shù)的崇拜現(xiàn)象。在二戰(zhàn)期間，許多西方士兵在這些島嶼上駐扎，帶來了大量的物資和現(xiàn)代技術(shù)。當(dāng)?shù)厝藢?duì)這些物品產(chǎn)生了強(qiáng)烈的向往，認(rèn)為這些物品是神靈的恩賜。
AI 時(shí)代的“技術(shù)選型第一性原理”
那么，我們?cè)撛趺崔k？答案出奇地簡單，它讓我們回歸到了那個(gè)最樸素的原則：
AI 是你所理解技術(shù)的“力量倍增器”，卻是你不理解技術(shù)的“脆弱拐杖”。
當(dāng)你選擇“無聊”的技術(shù)，也就是你真正精通的技術(shù)時(shí)，AI 會(huì)變得無比強(qiáng)大。你可以讓 Claude 幫你生成 Rails 代碼，因?yàn)槟銓?duì) Rails 了如指掌，能輕易發(fā)現(xiàn)它何時(shí)提出了可疑的建議。你可以讓 Copilot 輔助你寫 JavaScript，因?yàn)槟憷斫膺@門語言的怪癖，能對(duì)它的產(chǎn)出進(jìn)行事實(shí)核查。
在這種模式下，AI 是你的副駕駛，為你處理繁瑣的路線，而你始終掌握著方向盤。
給 AI 時(shí)代開發(fā)者的實(shí)踐指南
那么，在一個(gè)充滿 AI 編程助手的世界里，我們?cè)撊绾螒?yīng)用“選擇無聊的技術(shù)”這一原則呢？這里有三條黃金法則：
- 評(píng)估新技術(shù)時(shí)先自問：“如果 AI 為它生成了代碼，我有能力審查嗎？” 如果答案是否定的，那么這項(xiàng)技術(shù)或許不應(yīng)該用于任何對(duì)你而言是任務(wù)關(guān)鍵型（mission-critical）的項(xiàng)目。
- 學(xué)習(xí)新技術(shù)時(shí)（當(dāng)你決定用掉一個(gè)“創(chuàng)新代幣”時(shí)）： 請(qǐng)務(wù)必花時(shí)間深入理解它，達(dá)到能對(duì) AI 的建議進(jìn)行獨(dú)立事實(shí)核查的程度。不要只是復(fù)制、粘貼，然后祈禱好運(yùn)。
- 抵制誘惑： 不要把 AI 工具當(dāng)作一個(gè)借口，讓你能同時(shí)擁抱一門新語言、一個(gè)新框架和一套新基礎(chǔ)設(shè)施。AI 可能會(huì)給你一種“我能搞定一切”的錯(cuò)覺，但你無法真正驗(yàn)證其中任何一環(huán)。
小結(jié)：理解，是前所未有的寶貴資產(chǎn)
“選擇無聊的技術(shù)”這個(gè)論點(diǎn)的初衷，是為了降低系統(tǒng)的運(yùn)維復(fù)雜性和團(tuán)隊(duì)的認(rèn)知開銷。在 AI 時(shí)代，這些理由依然成立，但我們又增加了一個(gè)更重大的風(fēng)險(xiǎn)：對(duì)抗由 AI 帶來的、致命的虛假自信。
如今的風(fēng)險(xiǎn)更高了，因?yàn)?AI 生成的代碼質(zhì)量越來越好，使得發(fā)現(xiàn)問題變得更加困難。過去，壞代碼通?？雌饋砭秃茉愀狻，F(xiàn)在，有問題的代碼可能看起來相當(dāng)不錯(cuò)，直到你對(duì)該領(lǐng)域足夠了解，才能注意到那些微妙的致命傷。
所以，我的建議始終不變：當(dāng)你要解決一個(gè)問題時(shí)，請(qǐng)使用你已經(jīng)了解的技術(shù)。當(dāng)你想要學(xué)習(xí)新東西時(shí)，那就專心去學(xué)習(xí)。不要將 AI 生成的代碼，誤認(rèn)為是真正的理解。
在一個(gè) AI 可以自信地為你從未用過的技術(shù)生成數(shù)千行代碼的世界里，你自己的、深刻的理解，比以往任何時(shí)候都更有價(jià)值。
資料鏈接：
