别再只盯着 AI 给的代码了，你可能正在失去对系统的掌控力

说实话，我作为一个非科班出身、靠啃 GitHub Issue 和各种陈年旧文档自学成才的技术爱好者，深有感触。以前学 Cloudflare Workers 或者搞 RAG 系统（比如我之前折腾那个基于 X 收藏夹的向量检索项目）的时候，最痛苦的就是盯着那些晦涩的 RFC 文档和底层原理看，甚至还得去啃 HNSW 的论文。但那种“烧脑”的过程，恰恰是建立底层逻辑、形成 mental model（心理模型）的关键。

现在的风气变了，大家追求所谓的“高效率”。遇到问题不再去翻 API 设计的权衡、看 edge cases（边缘情况）或者研究源码逻辑，而是直接问 AI：“给我写一段实现 X 功能的代码”。

这看起来很爽，但本质上是在积累“技术债”。

AI 可以帮你写出一个看起来完美的电路熔断器逻辑，或者一段看似无懈可击的缓存层代码，甚至能通过所有单元测试。但如果你不理解它背后的状态机原理，或者不清楚在高并发下索引的行为逻辑，一旦生产环境在凌晨两点崩了，你根本无从下手。

我发现这种差距在 Code Review 时特别明显。那种读过 ORM 深度文档的开发者，一眼就能看出 SQL 注入或 N+1 查询的问题；而纯靠 AI 生成代码的人，可能只会觉得“代码逻辑没问题啊，怎么就报错了？”

AI 确实能提供输出，但它无法替你构建架构观。如果你只想要结论而不想要推导过程，你得到的只是一个 Demo，而不是一个能应对复杂场景的系统。

大家觉得呢？在 AI 时代，我们是不是该重新审视一下“读文档”这件事的价值？