上周我在 7 天内跨 5 个仓库推送了 102 次提交。不是那种“修个错别字”的提交——而是用 AI 辅助开发做出来的真正功能。一个从零开始的完整无头 Next.js 前端。一个 CRM 到数据库的同步流水线。一个 Content-as-a-Service API。GTM 跟踪。SEO 优化。管理后台面板。
我是一个人开发者。几乎所有工作都有 AI 帮忙。
这不是一篇在炒作“AI 会取代开发者”的文章。它是我在连续一周强力使用 AI 辅助开发时发生了什么的诚实、第一手记录——什么有效、什么让我意外，以及我仍在思考什么。
一周内 AI 辅助开发产出的数字
下面是 git log 告诉我的信息：
| Day | Commits | What I Built |
|---|---|---|
| ----- | --------- | ------------- |
| Thursday | 9 | SEO 基础设施 — IndexNow、Bing 修复、消除渲染阻塞优化 |
| Friday | 15 | 从设计规格到初始提交，搭建了整个 Next.js 前端脚手架 |
| Saturday | 13 | 搜索对话框重设计、iOS 滚动修复、图片流水线、SEO |
| Sunday | 1 | 休息日。一个小提交。 |
| Monday | 17 | 管理后台面板、新闻通讯集成、上线 Content-as-a-Service API |
| Tuesday | 22 | AI 内容流水线、WP 预览系统、向量知识库 |
| Wednesday | 13 | 完整 CRM 同步流水线（Perfex → Supabase → Next.js）+ GTM 跟踪 |
五个仓库。四种技术栈（Next.js、PHP、Python、shell 脚本）。零队友。
作为背景，依据 GitClear 和 LinearB 的行业基准，平均开发者每周会推送 5–10 次提交。以我的经验，AI 辅助开发把我的产出推到了大约 10–20 倍的这个基线——不过光看提交数量只能说明一部分。
AI 辅助开发的真实感受
人们想象 AI 编程是“你输入一个提示，然后代码就出现了”。不是。甚至不接近。
更像是你身边坐着一个速度极快、知识极渊博的同事。一个永远不会累、不会评判你凌晨 2 点的想法、并且能在 PHP、TypeScript 和 bash 之间无缝切换而不眨眼。我为这种工作流测试过多个工具——如果你想看详细拆解，我的 Claude Code vs Cursor 对比→。
下面是一段典型的 AI 辅助开发会话长什么样：
Me: "I need to sync staff data from our Perfex CRM to Supabase, including custom fields for social media links."
AI: 读取 Perfex API 文档，读取我现有的 Supabase schema，读取我当前的数据层——然后编写同步端点、数据转换、错误处理，并更新类型。我复核、调整、交付。
这种循环——描述意图、复核输出、调整、交付——每天发生几十次。每个循环用的时间是分钟级，而不是小时级。这就是 AI 辅助开发的核心闭环；一旦你把它内化，就再也回不去了。
速度倍增是真实的，但不在你以为的地方
来自 AI 辅助开发的原始编码速度提升，大概是 3–5x。很惊人，但这不是主要原因。
真正的倍增来自 上下文切换。在周三，我从在 CRM 代码库里写一个 PHP API 修复，切到在 Next.js 里做 TypeScript 数据同步，再切到配置 GTM 标签，最后更新 Tailwind 组件——整个过程发生在同一个早上。每一次上下文切换，通常都会让我花 15–30 分钟的“我刚才在哪儿？”心理负担。有了 AI 维持上下文，这个成本几乎降到了零。
第二个倍增来自 范围上的勇气。我尝试了那些我本来会在“这个冲刺里太复杂”里直接划掉的事情：
我在 AI 辅助开发中注意到的五种模式
看我的提交历史，有五个模式特别突出：
1. 默认垂直集成
没有 AI 的话，我会先把前端做出来，然后计划“下个冲刺”再做 CRM 同步，之后也许某天再做内容流水线。相反，我在一周内把完整的垂直栈做完：CRM → API → Database → Frontend → Analytics。每个功能都是端到端完成的。这种方式也类似于我如何用 Next.js 和 AI agents 自定义 CRM→ 。
2. 自动化是一种第一本能
我没有在每次部署前手动同步 CRM 数据，而是立刻做了一个 prebuild hook，让它自动完成。没有在每个项目里手动配置 GTM，而是为它创建了一个可复用的 Claude Code skill。AI 辅助开发把自动化的成本压得这么低，以至于它会比手动流程更自然地成为默认选择。
3. 夜间架构，白天打磨
我最有架构野心的提交发生在午夜之后。2 AM 完成完整项目脚手架。午夜用心理学驱动的 UX 重设计联系表单。1 AM 做管理后台面板。白天用来修复、打磨和部署。我用 git 数据验证了这个想法：所有提交里有 40% 发生在晚上 10 点到凌晨 6 点之间。有了 AI 辅助开发，即使你自己的精神能量更低，你也依然能保持高效。
4. 工具构建会产生复利
在这一周里，我做了两个可复用的 Claude Code skills——一个 GTM 安装器和一个 Apple Shortcuts 生成器。这些不是主项目，但它们会自然而然地出现，因为 AI 辅助开发让把工作流打包成可复用工具的边际成本几乎为零。当我为我的 MCP CMS with agent flows→ 构建 MCP servers→ 时，我也用同样的方法。
5. 文档在行内发生
当 AI 写代码时，它也会生成上下文相关的文档——提交信息、CLAUDE.md 的更新、类型定义。文档不再是一个独立的额外负担，而是 AI 辅助开发工作流的自然副产物。
AI 辅助开发的诚实权衡
这种节奏并不“免费”。我正在纠结的是这些：
质量 vs. 速度。 我发得很快，但我会不会在不知不觉中积累我暂时看不到的技术债？AI 生成的代码能通过我的复核，但我在 2 AM 的复核并不等同于我在 10 AM 的复核。我开始在自己的夜间提交之后，做“第二天早上”的代码复核。
理解 vs. 输出。 当 AI 写一个复杂的数据转换时，我理解它 *做了什么*。但我是否理解得足够深，能在六个月后不靠 AI 帮助就把它调试出来？我不确定。我会刻意阅读每一行，但阅读并不等同于写作。
可持续性。 7 天 102 次提交、47 个活跃小时、40% 的工作发生在晚上 10 点之后。这是冲刺，不是马拉松。工具让你*有可能*以这种节奏工作，但“可能”并不等同于“值得”。
依赖风险。 如果 AI 辅助开发工具明天就消失了，我还能以同样的速度维护这个代码库吗？当然不行。我接受了这个权衡，因为我不认为这些工具会消失——但诚实地说，这件事仍然值得正视。
我会对其他开发者说的：关于 AI 辅助开发
如果你还没有使用 AI 编程工具，你正在把一个巨大的倍增器拱手让人。不是因为 AI 会写出完美代码——它不会——而是因为它移除了那种让“独立开发者做雄心勃勃的项目”感觉不可能的摩擦成本。
下面是我建议的采用 AI 辅助开发的渐进路径：
在未来十年里茁壮成长的开发者不会是那些编码最快的人。他们会是那些在 AI 负责实现的同时，能思考系统的人——并且知道在“有个工具让你轻松就能跑得很快”的情况下，什么时候该放慢脚步、仔细想清楚。
放到一周的视角里看
我做出了传统上一个小团队一个月的产出：完整的网站迁移、一个 CRM 集成、一个 API 平台，以及若干开源工具——在七天内完成。
但我交付的最有价值的东西并不是代码。是我意识到瓶颈已经转移了。不再是“我能不能做这个？”而是“我应该做这个吗？”以及“我做的是不是正确的东西？”
AI 辅助开发并没有改变软件工程里真正难的部分。它只是把难的那部分挪了位置。