2021 年 6 月，GitHub 发布 Copilot 技术预览。它最让人震动的地方，不是能补全一个变量名，而是可以根据注释、函数签名和上下文一次生成完整代码。过去属于搜索引擎和 Stack Overflow 的一部分工作，被直接搬进了编辑器。
那时讨论最多的是“AI 会不会取代程序员”。几年后再看，我觉得更准确的问题是：当代码的边际生成成本迅速下降，软件工程中什么会变得更贵？
它和传统自动补全有什么不同
传统补全主要依据语法树、类型和项目内符号，答案通常是某个变量、方法或固定模板。Copilot 背后的模型学习了大量自然语言与代码之间的关系，可以把“解析配置并过滤无效记录”这样的意图，展开成几十行看似合理的实现。
这让交互单位发生了变化：开发者不必逐个 token 告诉机器怎么写，而是先描述目标，再对候选实现进行选择和修正。编程没有消失，只是从纯粹的键盘输入，向“表达约束—生成候选—执行验证”移动。
速度为什么不等于生产力
一段代码生成得很快，却可能使用不存在的 API、忽略并发边界、复制项目里本来就错误的模式，或者在权限和输入校验上留下漏洞。模型更擅长生成“常见形状”，并不自动理解这个系统为什么这样设计。
因此，Copilot 对不同开发者的放大效果并不一样。能识别错误、知道如何写测试、理解业务边界的人，得到的是更快的草稿；缺少这些判断时，得到的可能是更快进入代码库的技术债。
我越来越觉得，AI 编程工具节省的主要是表达成本，而不是决策成本。变量怎么命名、样板代码怎么展开可以交给机器，但数据是否应该在这里落库、失败后如何补偿、接口能否长期兼容，仍需要人来决定。
团队应该怎样接住这类工具
个人试用只需要安装插件，组织落地却至少要补上四层能力：
- 用自动化测试和静态检查建立最低质量门槛；
- 对敏感代码、许可证与数据外发制定明确规则；
- 让代码评审关注设计和风险，而不是只看格式；
- 记录生成代码的维护责任，不能把错误归因给工具。
最危险的状态不是使用 AI，而是代码数量已经增长，验证能力仍停在过去。生成工具越强，持续集成、可观测性和小步提交越重要，因为它们把“看起来没问题”转化为可以重复检查的证据。
我的理解：代码会越来越像编译产物
高级语言出现后，程序员不再手写大量机器指令；AI 继续把抽象层向上推，让自然语言、样例和测试也能参与描述程序。未来不少业务代码可能更像由意图生成的中间产物，必要时可以重新生成。
但只要软件仍影响真实用户，责任就不会随生成成本一起消失。真正稀缺的能力会是把含糊需求变成清晰约束，建立可验证反馈，并在多个“都能运行”的方案中选择长期代价更小的一个。
Copilot 的意义不只是多写几行代码，而是第一次让大量开发者直观看见：敲代码可能不再是编程中最核心、也不是最难的那部分。
参考资料
本文是 2026 年整理断更期时写下的回顾，发布日期按事件所处阶段归档。