AI时代的编程新范式:像外科医生一样写代码 Geoffrey Litt 2025-10-31 0 浏览 0 点赞 长文 当所有人都在讨论AI会把程序员变成"经理"或"编辑"时,Notion工程师Geoffrey Litt提出了一个更精准的隐喻:我们应该像外科医生一样写代码。这不是关于权力的重新分配,而是关于注意力的战略性聚焦——一个可能重新定义知识工作本质的思维模型。 ## 外科医生模式:专注力的终极形态 外科医生不是坐在办公室发号施令的管理者,他们亲自操刀,但效率被一整套支持系统指数级放大。麻醉师、护士、器械师各司其职,处理所有准备工作、辅助操作和行政流程,让外科医生能将100%的认知资源投入到最关键的决策和操作上。 Litt将这个模式迁移到编程领域:AI工具不是要取代程序员的核心工作,而是充当那个"支持团队",接管所有次要任务,让开发者能心无旁骛地专注于真正需要创造力和判断力的部分。对于他这样的UI原型设计师来说,这意味着把时间全部投入到探索设计概念上,而非陷入技术细节的泥潭。 这个类比的精妙之处在于,它重新框定了人机协作的本质:不是"谁替代谁",而是"如何让人类做最擅长的事"。外科医生的价值不在于缝合伤口的速度,而在于对复杂情况的即时判断——这正是AI目前无法企及的领域。 ## 主要任务vs次要任务:两种截然不同的工作模式 Litt的实践揭示了一个关键洞察:对待AI工具需要"双轨制"策略。 **核心工作:高控制、快反馈。** 在设计原型这类主要任务中,Litt仍然大量手写代码,即便使用AI辅助(如Cursor的Tab自动补全),也会严格把控每个细节。这里需要的是毫秒级的反馈循环和完全的可见性——任何延迟或黑盒操作都会打断创作流(flow state)。这种模式下,AI更像是"思维的延伸"而非"任务的执行者"。 **次要任务:低干预、异步执行。** 对于那些明确但繁琐的工作,Litt的态度完全不同。他会让AI智能体在后台"折腾"数小时甚至一整夜,处理诸如: - 撰写代码库特定部分的技术文档 - 对大型重构进行"探路"(Spike out)——快速生成原型来验证方向,即便最终不直接使用 - 修复有明确错误信息的TypeScript类型问题 - 生成功能模块的使用指南 这些任务的共同特征是:目标明确、验证标准清晰、时间敏感度低。Litt会在午餐时间或睡觉前启动这些任务,第二天早上就像走进准备就绪的手术室——一切就位,只等核心工作开始。 他目前的工具选择是Claude Code和Codex CLI,后者因其命令行特性在长时间无人值守任务中表现出色。这种"异步外包"模式的关键在于:不需要实时监控进度,只需要最终结果符合预期。 ## 自主性光谱:别把不同模式混为一谈 Litt引用了Andrej Karpathy(特斯拉前AI总监)的"自主性滑块"概念,警告不要将AI协作的不同层级混为一谈。从完全手动到完全自动之间,存在着需要截然不同工具和心态的多个档位。 将高控制的核心工作和低干预的次要任务混在一起,就像用手术刀去搬运器械——工具错配会导致效率灾难。这也解释了为什么单一的"AI编程助手"很难满足所有场景:Cursor的实时补全适合前者,而Claude的长对话能力适合后者。 更深层的问题是:当我们谈论"AI辅助编程"时,到底在谈论什么?是代码补全、bug修复、架构设计,还是需求分析?这些任务在自主性光谱上的位置天差地别,需要的人机交互模式也完全不同。Litt的实践提醒我们,精细化的场景划分是释放AI价值的前提。 ## 消失的地位焦虑:AI与"苦差事"的伦理 Litt提到了一个容易被忽视的维度:团队动力学。在传统软件团队中,"次要任务"往往意味着"苦差事"——那些繁琐、重复、缺乏成就感的工作。虽然初级工程师通常会承担更多这类任务,但优秀的团队文化会确保他们也能接触到有挑战性的项目,避免沦为"打杂工"。 AI的介入彻底改变了这个等式。现在可以毫无心理负担地将纯粹的苦差事外包——不存在剥削、不需要考虑成长机会、不会有人因为总是干脏活累活而士气低落。Litt半开玩笑地说,他绝不会在深夜11点给人类实习生打电话要求第二天早上7点交付报告,但他会毫不犹豫地这样指挥AI智能体。 这里隐含着一个更宏大的命题:当机器接管了所有"不想干的活",人类工作的定义会发生什么变化?Litt的答案是乐观的——我们将有更多时间投入到真正需要人类独特能力的领域:创造性思考、复杂判断、情感连接。但这也要求我们重新思考技能培养:如果初级工程师不再需要通过"苦差事"来熟悉代码库,他们该如何成长? ## 从《人月神话》到AI时代:50年的轮回 Litt指出,"软件外科医生"的概念并非新发明。早在1975年,Fred Brooks在《人月神话》中就引用了Harlan Mills的这一理念:一个"首席程序员"应该由副驾驶、文档管理员等多名支持人员辅助。 当年这个想法因成本问题难以推广——没有公司会为一个程序员配备五六个助手。但AI改变了经济学:现在每个开发者都能"负担得起"一个全天候的支持团队。这不仅是效率提升,更是工作方式的根本性重构。 有趣的是,Brooks当年强调的"概念完整性"(conceptual integrity)——即软件设计应该由少数人主导以保持一致性——在AI时代获得了新的实现路径。外科医生模式确保了核心决策仍由人类做出,而AI只是执行层面的放大器,不会稀释设计的连贯性。 ## Notion的野心:让每个知识工作者都成为"外科医生" 作为Notion的工程师,Litt透露了这家公司的产品哲学与"外科医生模式"的深层联系。 从员工角度,Notion对AI编程工具的"牛市"态度(极度看好并大力支持)让Litt这样的新人能快速上手大型代码库。公司不仅提供工具预算,代码库本身也为AI协作做了优化——这种组织层面的支持是个人生产力飞跃的基础设施。 从产品角度,Notion正试图将这种工作方式推广到程序员之外的知识工作者。想象一下:市场营销人员专注于策略创意,让AI处理数据分析和报告生成;产品经理聚焦于用户洞察,让AI整理需求文档和竞品研究。核心逻辑是一致的:识别并委派次要任务,让人类专注于不可替代的核心价值创造。 这也解释了Notion为何如此重视AI功能的集成——从AI写作助手到自动化工作流,本质上都是在构建"知识工作的支持系统"。Litt的愿景是,未来每个Notion用户都能像外科医生一样工作:走进"准备就绪的工作空间",一切辅助工作已完成,只等你施展核心才能。 ## 超越副驾驶:重新想象人机界面 Litt在文章末尾推荐了他的其他思考,揭示了一个更激进的观点:当前主流的"AI副驾驶"(Copilot)模式可能还不够好。 在《AI副驾驶够多了!我们需要的是AI抬头显示器》一文中,他主张AI应该更像战斗机的HUD(平视显示器)——将关键信息直接投射到视野中,而非作为一个需要对话的"副驾驶"。这种"认知增强"模式比"任务委派"更进一步,模糊了人机边界。 在《AI生成的工具能让编程更有趣》中,他分享了用AI构建定制调试器的经历——不是让AI写代码,而是让AI创造更好的编程环境。这暗示了一个方向:AI的最高形态可能不是"代替人类做事",而是"让人类做事更容易"。 在《把ChatGPT当作灵感缪斯》中,他提出将LLM视为"提问者"而非"回答者"——通过苏格拉底式对话激发人类创造力,而非直接给出答案。这与外科医生模式形成呼应:最好的支持不是替你做决定,而是帮你做出更好的决定。 ## 这对你意味着什么 Litt的实践提供了三个可操作的启示: **1. 审视你的任务清单。** 哪些工作需要你的独特判断力?哪些只是机械执行?后者就是AI的用武之地。不要因为"这是我的工作"就拒绝委派——外科医生也不会坚持自己消毒手术室。 **2. 建立异步工作流。** 学会在非工作时间启动AI任务。睡前让它生成文档,早上醒来审阅;午餐时让它探索重构方案,下午评估结果。时间差本身就是生产力。 **3. 投资于工具素养。** 不同场景需要不同工具。花时间了解Cursor、Claude、Codex CLI等工具的特性,建立自己的"工具矩阵"。就像外科医生熟悉每一把手术刀,你也需要知道何时用哪个AI。 更重要的是心态转变:不要问"AI能否取代我",而要问"AI如何让我做不可替代的事"。外科医生的价值不在于缝合技术,而在于挽救生命的决策——找到你的"挽救生命的决策",然后让AI处理其他一切。 在这个AI工具爆发的时代,Litt的"外科医生模式"提供了一个清晰的北极星:技术的终极目标不是自动化人类,而是放大人类。当我们不再被次要任务淹没,才能真正展现那些让我们成为人类的能力——创造、判断、连接。这不是关于效率的故事,而是关于意义的故事。 原文:Code Like a Surgeon Geoffrey Litt 博客完整文章 AI副驾驶够多了!我们需要AI抬头显示器 探讨超越Copilot模式的人机交互形态 AI生成的工具能让编程更有趣 用AI构建定制开发环境的实践 把ChatGPT当作灵感缪斯 将LLM视为提问者而非回答者的思考 《人月神话》 Fred Brooks 1975年经典著作,首次提出软件外科医生概念 #AI 编程 #Notion #人机协作 #工作方法 #开发工具 #效率工具 #软件工程