现在的代码世界，像一间忽然装满自动裁布机的裁缝铺：刀走得比老师傅还快，版型却没人盯。AI越会写代码，人越缺判断标准。我越来越觉得，Multica（把 AI 编程助手当团队成员来管理的平台）和 andrej-karpathy-skills（把卡帕西编程规矩做成技能包的仓库）之所以冒出来，不是因为机器终于懂了编程，而是因为人开始忘了什么叫“该写”，什么叫“不该写”。
这事最反常识的地方，不是 AI 会不会取代程序员，而是它先取代了程序员的犹豫。过去写错一段代码，要赔进去半天；人会先想清楚。现在二十分钟能吐出五版方案，于是很多团队干脆不再定义“好”是什么，只剩一句轻飘飘的“先跑起来”。
真正危险的不是 AI 写错，而是它把错写得像对。
周二晚上十一点半，一个做小程序的创业者，让 AI 补一套退款流程。页面、接口、数据库改动，一路齐活，测试也绿。第二天财务对账，发现“已退款”和“已关闭”被揉成一个状态，月报少了十几单。问题不在 AI 不会写判断分支，问题在谁都没先问一句：这门生意里，退款到底是动作，还是结果？
以前代码难写，所以人被迫先想。现在代码太好写，人反而懒得先想。
再看另一个场景。一个中型团队做表单校验，本来只改一个手机号规则。AI 很勤快，顺手铺了三层封装：校验器、工厂、配置入口，像把一间出租屋装修成样板房。代码评审时，四个人都觉得“挺完整”，却没人能明确说出：这点小事为什么不该起三层楼。两周后产品要加一个海外号码选项，五个文件一起抖。大家这才发现，自己不是被复杂度打败，是被“看起来很专业”的样子收买了。
代码会越来越像自来水，判断会越来越像井水。自来水一拧就有，井水得自己打。
所以 Multica 和 andrej-karpathy-skills 才值得盯着看。前者在做的，是把 AI 编程助手纳入团队流程；后者在做的，是把“先想，再写；先简，再多；只动该动的；拿验证说话”做成一份可挂载的技能包（skill）。表面看，这是给 AI 立规矩；骨子里看，这是在把资深工程师脑子里那把尺，外置成文件，分发给每个机器同事。
上周五傍晚，一个远程团队把这套技能包同时挂给两个智能体。负责人并不是不会写提示词，他只是懒得再重复第八百遍：这段别乱改，那块别过度设计，这个需求到底怎样才算完成。原本该长在团队血肉里的判断，如今被做成插件，像办公室门口的灭火器，谁都知道重要，但平时谁都不练。
当常识要靠技能包同步，说明缺课的先不是 AI，是人。
很多人以为，AI 时代最值钱的是“会不会用工具”。我看恰好相反。工具会越来越平，能力差距不会先出在谁能生成代码，而会出在谁敢删，谁能拒绝，谁能一眼看出“这不是答案，这只是排版整齐的误会”。
测试通过，不是判决书，只是一份口供。AI 可以把口供写得很齐，不能替你当法官。
卡帕西那套规矩之所以刺耳，不是因为它高深，而是因为它太像常识。可一个行业一旦需要把常识打包发布，恰好说明常识已经不在场了。以前外包的是体力，现在外包的是判断。前者丢的是效率，后者丢的是方向。
以后真正贵的工程师，不是下手最快的那个，而是最早说“先别写”的那个。
我对这件事的判断很明确：AI 越会写代码，人越缺判断标准，而且这不是过渡期的小毛病，这是软件业下一轮分化的起点。谁还能守住那把尺，谁就能管住机器、管住复杂度、管住组织的幻觉；谁要是只会催 AI 多吐几版，多半只是站在自动裁布机旁边捡布头，以为那就是做衣服。