加载失败
讨论源于对 Anthropic 的 Claude Code（一款面向开发者的代码生成/辅助工具）能否“毁掉团队”的疑问。评论者既有每日使用该工具的工程师，也有观察到创业公司持续数月裁员的参与者，争论集中在工具带来的短期效率、岗位合并与长期维护成本之间的权衡。意见分叉在于有人把它看作压缩人力与创业机会的杠杆，另一些人警告低质量自定义或 AI 产出会产生严重技术债务（如 ServiceNow 的坏 DB 设计或“vibe-code”）。整个讨论同时涉及 LLM 的幻觉风险、监督必要性以及对真实生产力提升幅度的激烈争论。
多位工程师表示即便每天/每小时使用 Claude Code，也不会去承担产品经理或设计师的工作，因为这些同事承担大量会议、对齐与跨职能沟通，工程师不擅长也不愿做。评论指出人们常常低估他人工作的复杂性：PM 不只是“管 Jira”，设计师不只是“让界面好看”，这些岗位有大量需要判断与权衡的细节，AI 在这些方面表现不足。LLM 的随机性和 hallucination（幻觉）被反复提及，产出必须有人类验证以避免错误决策。实际经验（有人专门清理 AI 产出的烂代码）也被引用来说明监督与专业判断不可替代。
多名评论者指出这不是理论讨论：初创公司几个月来持续裁员，很多工程师已失业，团队规模被压缩。有人把这视为 VC 生态中把资本重新配置到 AI 的理性行为——公司按“数学”行事以节省人工成本。还有观察到在一些项目上，一名高级工程师配合 AI 工具可以完成过去多人完成的任务，非企业级产品的人员配置可能显著减少。评论同时警示短期裁员会带来维护与质量问题，初期震荡与随后的修复成本不可忽视。
部分评论者把 AI 视为个人和小团队的杠杆：吸收产品、设计与工程职责，用 Claude Code 快速迭代可以自己创业或以更少人手交付功能。有人建议趁高层混乱期主动冲刺、争取注意，这段窗口期能带来晋升或创企机会。已有工程师把清理“vibe-code”作为咨询服务并获利，说明修复 AI 产出的人才市场存在需求。少数人声称个人产能提升数倍，但也有人刻意不暴露这些提升以免被管理层过度利用，体现机会伴随风险。
评论中多次举出低门槛自定义或用 AI 快速生成代码导致的结构性问题：以 ServiceNow（企业级 ITSM/SaaS 平台）为例，常见数据库冗余与约束缺失会被放大并造成长期负担。有人描绘典型场景：公司裁掉工程师后“vibe-code”上线，变成 bug 多、可维护性差的 500k 行意大利面式代码，带着 emoji 注释，AI 无法自动修复这类根本性设计错误。这些后果催生了以修复 AI 产出为生的咨询市场，但长期看会增加维护成本、降低扩展性与安全性。评论认为短期效率提升必须与长期技术债务权衡。
讨论中存在明显分歧：有人认为“AI 解决编码”的结论是炒作，主要由不懂编码或有私利者推动。另一派指出 AI 工具并未普遍造就 10x 开发者，甚至未必稳定达到 1.5x 的平均提升，裁员更多是宏观经济收紧的延续而非纯粹工具效率的结果。但也有个别人自述能把产能提高数倍并故意隐瞒以免被剥削，形成对立证据。总体上评论对生产力提升持怀疑态度，但承认个体适配者可能获得显著回报，事件与个人差异很重要。
Claude Code: Anthropic 的编程助手/代码生成工具，用于生成、重构和测试代码，讨论集中在它对团队结构、产能和岗位稳定性的影响。
vibe-code / vibe-coded: 非正式术语，指由 AI 或非专业人员快速生成、风格混乱且难以维护的代码；评论中提到的典型特征包括大量意大利面式结构、emoji 注释与可维护性差。
LLMs（大规模语言模型）: 用于生成文本与代码的模型家族，具备强大生成能力但存在随机性与 hallucination（幻觉）问题，生成结果通常需要人类审核与监督。