在谷歌Chrome团队，AI已深度融入开发流程，从自动化测试到性能优化，再到缺陷修复，成为提升效率的关键工具。这种转变并非孤立现象——Anthropic的Claude Code已能自主编写约90%的代码，而GitHub Copilot等工具的普及，正重新定义编程的工作方式。但谷歌云AI总监Addy Osmani指出，AI的崛起并不意味着人类开发者可以退居幕后，相反，专业判断在确保代码质量方面的重要性愈发凸显。
Osmani观察到，许多开发者开始依赖“氛围编程”（Vibe Coding）——通过自然语言提示生成代码，却缺乏对底层逻辑的深入理解。这种模式在小型项目或原型开发中或许可行，但在Chrome这类影响数十亿用户的超大型工程中，风险不容忽视。他举例称，AI生成的代码可能看似运行正常，却隐藏着违反Web标准、性能下降或极端场景下失效等问题，而这些问题往往需要经验丰富的工程师才能发现。
数据支持了这一观点。2025年底Stack Overflow的调查显示，开发者对AI准确性的信任度从40%降至29%，正面评价率也从72%下滑至60%。GitLab与哈里斯民意调查的合作研究进一步揭示，尽管团队部署速度提升，但70%的受访者认为AI使合规管理更困难，76%的人指出大多数合规问题在部署后才被发现，而73%的开发者曾因“氛围编码”导致代码难以维护。这些发现印证了Osmani的论断：AI的快速生成能力与代码质量之间存在矛盾，过度依赖可能适得其反。
“AI能在项目前70%的阶段表现优异，但剩下的30%需要人类专家的介入。”Osmani将这一现象称为“70%问题”。他强调，在浏览器引擎等复杂系统中，AI的局限性尤为明显——它可能无法理解代码的长期影响，或无法权衡不同设计方案的取舍。因此，Chrome团队采用“AI初稿”模式：AI生成代码后，人类开发者负责添加测试、审查逻辑，并确保最终产品符合安全、可扩展性和可维护性标准。
这种模式对开发者的能力提出了新要求。Osmani建议，与AI协作时需遵循一套结构化流程：先明确需求规范，再将任务拆解为小模块；为AI提供充分的上下文信息，并选择合适的模型；在整个开发生命周期中保持人类监督，通过版本控制和自动化工具频繁验证代码；同时，定期进行独立编程以保持核心技能。他指出，AI的作用是放大专业知识的价值，而非替代它——开发者对问题的理解越深入，AI能提供的帮助就越大。
随着AI工具的普及，软件工程的角色正在转变。过去，开发者需要花费大量时间编写重复性代码；如今，AI承担了这部分工作，使开发者能专注于更具挑战性的任务：定义问题、设计架构、权衡取舍。Osmani认为，这种转变并非威胁，而是机遇——它让开发者从“代码编写者”升级为“问题解决者”，而判断力、创造力和全局把控能力将成为核心竞争优势。
在实践中，这一趋势已初现端倪。某科技大厂团队使用AI后，开发速度提升约30%，但Osmani强调，这并非“氛围编程”的结果，而是“AI辅助工程”的体现——人类始终掌控系统架构，理解每一行代码的逻辑，并确保最终产品符合专业标准。他警告，过度依赖AI可能导致核心工程能力退化，例如机械接受生成结果而不理解其原理，或在大型系统中放大AI的偏见与幻觉。
