⚠️ 如果你平时只会用聊天型大模型，最近又怕自己跟不上智能写码工具，最烦的就是看完一堆分析，还是不知道现在要不要跟。你刚刷到一条“AI又能帮你写代码”的消息，本来想顺手存下，心里还怕不跟就落后；但这一步一旦按错，浪费的不只是一次试用时间，后面可能是时间、预算和注意力一起跑偏。AI代码最贵的是评审分钟。[C002]
我一开始也把这事当成又一次模型热闹。后来看到一句很冲的原话：“Zig Creator Calls Spade a Spade, Anthropic Blows Smoke”。[C001] 你不用先翻英文，只要记住它在提醒一件事：别把热闹当成果。真正该看的场景，不是你自己在本地让模型补几行代码，而是有人把生成的改动直接丢进公开协作里，等别人一条条看。
为什么这么说？因为 Zig 的作者 Andrew Kelley 直接把账算到了评审上：他把 AI 辅助贡献叫作“负价值”，不是因为代码不能写，而是核心团队的评审时间会被吃掉；当时 Zig 还有约200个开放、等着合并的改动请求。[C003] 第一眼像省事，后面可能更折腾。
这也不是单个项目在发脾气。2026年那篇看了294个开源仓库的研究，把这类现象叫“AI-DDoS”，白话就是：提交更便宜，判断更贵。结果也很直接：改动请求变多了，但真正合并的比例反而下降。[C004] 一条更新值不值得看，不看它列了多少功能，先看它会不会改掉你下一步的判断。
但边界也要说清楚：这不是在说 AI 没用。你自己在私有分支里写草稿、补测试，和把生成内容直接扔进公开协作，不是一笔账。前者省的是起步时间，后者可能把成本转给评审的人。所以如果你最近想跟进智能写码工具，或者想往开源项目提改动，我会先把这条存下：先问“谁负责验收”，再决定要不要追新。
🤔 你现在最想先避开的，是哪一个坑？