烧掉几百亿Token后，API7.ai创始人温铭：AI写代码已超资深工程师，但瓶颈在人不在AI

“我第一次真切感觉到变化，是2026年春节。”API7.ai创始人兼CEO、Apache APISIX PMC主席温铭在近日的分享中，回顾了被AI惊艳的瞬间——一个棘手的bug，AI Agent仅用不到10分钟，通过静态代码分析和现象描述就准确定位了问题。 随后，他尝试了一个更大胆的任务：让AI复刻一个类似Apache APISIX的生产级项目。结果虽不能半天完成从架构到文档的全流程，但“单论写代码，AI半天就能完成我们当年三个月的代码量”。温铭的判断明确：AI的编码能力已经达到甚至超过资深工程师。 然而，烧掉几百亿Token后，他发现真正的瓶颈不在AI。“AI的能力已经溢出，真正跟不上的，是人。”温铭总结了6条实战经验，全是“踩出来的”。

既然AI写代码如此之强，资深工程师的价值何在？温铭认为，是踩过的坑、技术权衡和判断——这些从未被写进公开知识库。“你看Apache APISIX，看到的是成品；但它中间的思考过程、概念抽象、架构设计，这些背后的why，AI是看不到的。”AI接管的是打字，没接管脑子里的那张图。

温铭在公司做了一个争议决定：尽量不手写代码，把“打字”交给AI Agent。反弹最激烈的是那些定位清晰的工程师——“我是前端”“我是后端”。一旦自我框死，像AI Agent这种打破边界的工具反而让人不适。他举例，自己没怎么写过前端，但能说出评判标准（配色、CDN加载、移动端适配），就能做出一个不错的Dashboard。过去一个用户需求需要产品经理、架构师、前端、后端配合，现在销售或解决方案同事直接用AI Agent改一改，半小时内就能模拟给用户看。 温铭建议不同意的同事：“用最好的大模型，放手让它去做——这样你才知道它的边界在哪。”而反弹最厉害的，其实是最资深的工程师，他们认定vibe coding做出来的只能是玩具。

温铭认为，区分玩具与生产级代码的核心标准是：指挥AI的人，对架构、代码、测试有没有清晰理解？对推上生产有没有敬畏之心？“没有一个对技术、对代码有追求的人，哪怕是CRUD，他也没法用AI写好。”人必须参与决策，哪怕AI正确率达85%—90%，剩下10%足以让质量大幅下降。他给自己定了一条原则：这个决定你要是看不懂，那就一定别做。 以他们最近用Claude Code重度编码的AI网关AISIX为例，核心概念设计、架构选择、里程碑推进、技术选型权衡一概不交给AI。AI是辅助，但需约束：做端到端测试、Dashboard点击测试、写完善文档。

AI coding一天能提几十个PR、几千行代码，人根本看不过来。温铭的做法是：用Claude Code写，然后冷启动一个全新的独立AI Agent去审计这个PR，同时用CodeRabbit和GitHub Copilot做第二层。但比“怎么审”更底层的是：让项目稳定下来的不是代码多漂亮，而是真实用户在生产环境里用、暴露问题，然后迭代。AI最革命性的地方，就是把这个迭代速度拉到了极致。 举例：用户凌晨两点提bug，AI先做初步分析，判断问题在哪个产品，结合版本号、场景、错误日志做静态分析——超过一半问题能准确定位。若不行，自动拉起复现环境跑端到端测试。定位后，再起一个独立Agent和环境做double check。人做什么？优化自动化流程：改提示词、换模型、打磨复现场景，最终拍板。过去半小时一小时的活，AI十分钟备好，人只做最后判断。

温铭强调，公司人多还是人少不重要，重要的是先变厚——沉淀经验，再变大。

温铭经历了三个阶段：第一阶段，堆框架（如ECC、Oh My OpenCode等skill集合），大量Agent并行推进，像指挥团队；第二阶段，扔掉框架，因为大模型已足够聪明，只需告诉它“做一个端到端测试”“优化这个页面”，它自己就能搜索、理解、做好；第三阶段，把一二十年踩过的坑，沉淀成一个一百行左右的提示词。 现在，温铭每天要做四五十个决策。他总结道，AI写代码这件事，“瓶颈早就不在AI这一头了”。