Should AI Engineers Still Read Code in 2026? The Z/L Continuum — Alex Volkov, ThursdAI
三句話摘要
2026年AI工程師是否需要閱讀代碼——從「代碼免費」到「任務導向的驗證」 2026年的答案不是「讀或不讀」，而是「在系統的正確層級放置你的判斷力」——代碼免費了，但通過evals、loops和observability來替代逐行閱讀；關鍵任務仍需人工介入，但非關鍵任務可交給自動化系統自我驗證，工程師的新職責是設計那些能記住經驗的系統，而非每次都靠眼睛去抓bug。 代碼廉價問題已解決，新瓶頸是人工審查。GitHub數據顯示2025年代碼刪除增加861%、bugs增加242%、未經審查PRs增加31%——快速生成帶來質量隱患，需要重新設計審查策略而非放棄審查。
重點整理
重點- 1
代碼廉價問題已解決，新瓶頸是人工審查。GitHub數據顯示2025年代碼刪除增加861%、bugs增加242%、未經審查PRs增加31%——快速生成帶來質量隱患，需要重新設計審查策略而非放棄審查。
- 2
「Zechner Continuum」是個錯誤框架。正確理解是：同一工程師在不同任務上角色轉換，關鍵任務要求嚴格審查，非關鍵任務可自動化——問題的關鍵是任務類型，而非工程師哲學。
- 3
能力漂移改變審查邊界。Claude→Fable的演進讓焦點從「Cloud有沒有做對」轉移到「Cloud是否做了對的事」，意味著驗證重心從代碼輸出轉向任務方向和系統設計。
- 4
Loops（自動循環系統）提升驗證職責。使用loops自我驗證不是移除審查，而是改變審查對象——從每行代碼轉向系統設計、觀測、回滾能力，需要建立工程Rails而非依賴逐行閱讀。
實用技巧與重點
乾貨- GitHub提交數：2025年全年10億，2026年預計140億（14倍增長）
- Tropics代碼統計：每季度提交代碼8倍於2025年
- Feros AI調查數據（22,000工程師）：
- 代碼刪除增加861%
- PR未經審查增加31%
- 每PR incident增加242%
- 每開發者bug數增加6倍
- Tarek Shepar（Tropics）關鍵觀點：從「檢查Cloud是否做對」→「檢查Cloud是否做了對的事」
- Andre Capati名言：不要在生產環境停止看代碼，即使用Fable也不行
- Routing table關鍵項：認證、金錢流、權限、可逆數據、關鍵路徑必讀；其他用evals、shadow mode、decomposing
- Loops工作流：發現任務 → 生成提示 → 執行 → 自我驗證 → 失敗時重試
- 會議規模：AI Engineer Europe 2026吸引7,000人、36個會議軌道
結論
結論“2026年的答案不是「讀或不讀」，而是「在系統的正確層級放置你的判斷力」——代碼免費了，但通過evals、loops和observability來替代逐行閱讀；關鍵任務仍需人工介入，但非關鍵任務可交給自動化系統自我驗證，工程師的新職責是設計那些能記住經驗的系統，而非每次都靠眼睛去抓bug。”
完整解析
詳細代碼生產方式在2026年發生了根本性轉變。自2025年12月開始，AI模型首次能完成原本需要工程師花費16小時以上才能完成的任務，這一突破徹底改變了工程師的工作性質。GitHub的數據最直觀地反映了這種變化——2025年全年代碼提交10億次，而2026年已經上軌衝向140億次的速度，整整增長了14倍。在這樣的背景下，關於「工程師是否還需要閱讀代碼」的古老問題被重新激活。
在AI Engineer Europe 2026的會議上，OpenAI的Ryan Lopopola和LibreCode的創始人Mario Zechner代表了兩個極端觀點。Lopopola的立場是「代碼已經免費」，不再值得花時間手工編寫和逐行審查，重點應該轉向提示工程和系統設計；而Zechner則堅持「放慢速度，每一行關鍵代碼都要閱讀」，因為快速生成代碼會在生產環節爆發問題。演講者Alex Volkov將這兩種立場稱為「Zechner Continuum」，但他後來意識到這個框架本身就是錯的——問題不在於工程師個人的哲學取向，而在於任務本身的性質。
Feros AI對22,000名工程師的調查揭示了快速代碼生成帶來的雙刃劍效應：代碼刪除量增加861%說明工程師在大量重構和清理；PR未經審查的比例增加31%反映了審查瓶頸浮現；更令人擔憂的是每個PR的incident數增加了242%，每個開發者的bug數相比2025年增加6倍。這些數據指向同一個結論——能生成代碼容易，但驗證和維護變成了新的瓶頸。OpenAI和Anthropic的研究都提到了同一個問題：當代碼生成能力爆炸式增長時，按Amdahl定律，人工審查會成為新的阻塞點。
演講者提出的解決方案是一個任務導向的「Routing Table」（路由表）。該表明確指出什麼時候需要人工審查、什麼時候可以用自動化驗證。認證代碼、金錢流向、權限管理和不可逆數據的改動必須逐行閱讀；關鍵執行路徑需要工程師的直接檢查；但對於其他代碼，可以使用evals（評估）、shadow mode（影子模式）和automated loops來驗證。與此同時，新型的Loops系統——本質上是會自我驗證和迭代的自動化任務執行器——正在改變驗證的方式。Loops不是移除了人工審查，而是改變了審查的對象和時機：工程師需要在系統設計層面、觀測能力和回滾機制上投入注意力，而不是逐行閱讀每一個生成的代碼塊。
隨著能力的進步，這條線還在移動。Tropics的Tarek Shepar指出，從舊的Claude到新的Fable模型，審查的焦點已經從「模型有沒有按照指示做」轉向了「模型是否理解了正確的任務」。Andre Capati的警告——「雖然很想完全停止看代碼，但在生產環境絕對不能這樣做，即使有Fable也不行」——說明了驗證的本質沒變，只是形式在演進。
關鍵時刻
Pipeline v2帶時間戳的重點，會在逐字稿層級分析上線後產生。目前請先透過原始影片觀看。
事實查核
Pipeline v2說法查證是下一次管線升級的一部分。KeyFrame 只會顯示它真正能驗證的內容。
