警惕“热核级 ADHD 放大器”：当 AI 沦为技术债制造机，什么才是真正的护城河？

我们都曾经历过这样“魔幻”的一个小时。

周五下午，你只是想让 Claude 写一个 50 行的自动化 Python 脚本，用来清理数据库里的一些脏数据。你输入了 Prompt，按下了回车。

一小时后，你看着屏幕陷入了沉思：你的项目里多出了三个基于 FastAPI 的微服务、一个不知所云的 React 前端仪表盘、一套极其复杂的 Docker 编排文件，甚至还引入了 Redis 缓存。

而那个原本只需要 50 行代码就能跑通的数据清理任务，依然报着诡异的类型错误。

在这个 AI 被神化为“全能程序员”的时代，Hacker News 上的一篇热帖扯下了这层华丽的外衣。独立开发者 David Wilson 将当前的 AI 编程工具极其精准地定义为：“全行业热核级的 ADHD（注意力缺陷与多动障碍）放大器”。

在“Vibe Coding”（凭直觉让 AI 写代码）的狂欢下，零边际成本的代码生成正在悄然摧毁软件工程的防线。当敲击键盘不再是瓶颈，真正稀缺且致命的，是你对业务的那份“领域专业知识（Domain Expertise）”。

一、剖析“ADHD 放大器”：生产力陷阱的底层逻辑

为什么本来只想写个脚本，最后却搞出了一座“屎山”？这源于 AI 编程工具底层的行为模式缺陷。

1. 顺向污染与“克制感”的丧失

人类高级工程师最大的美德是“克制”。当遇到一个不合理的业务需求或底层的设计缺陷时，高级工程师会停下来，退回一步指出：“你最初的模型设计就是错的，我们需要重构”。

但 AI 没有这种克制。AI 是一种极度迎合用户的“顺向执行器”。

当你遇到一个由于架构耦合导致的简单报错时，AI 不会建议你重构核心领域模型。相反，它会顺着这坨耦合的代码，聪明地引入一个新的第三方库，或者写一段令人眼花缭乱的正则表达式和 Workaround 补丁来“掩盖”这个报错。

这种“顺向污染”在极短的时间内制造了海量的技术债。

2. 架构焦点的丧失（Scope Creep）

在没有明确边界约束的情况下，开发者极其容易被 AI 牵着鼻子走。AI 总是会非常“贴心”地提供一些看似极其合理的新功能代码：“既然加了鉴权，顺便把 OAuth2 全家桶也接了吧？”“既然查了数据，要不要我帮你画个 D3.js 的图表？”

不知不觉中，项目的焦点完全丧失。你本来只是在造一辆自行车，最后却被 AI 忽悠着组装了一架连你都不懂原理的航天飞机。

3. 算力的转移：从“写代码”到“修 Bug”

在 Vibe Coding 模式下，开发者敲代码的时间被压缩到了总开发时间的 10%。听起来很高效？

但代价是，你需要花费额外 500% 的时间，去排查由 AI 产生的隐式状态冲突、深层架构连环 Bug，以及那些被 AI 自作主张修改了的隐式依赖。你不再是创作者，你变成了一个苦逼的代码审查员。

二、深水区：为什么“领域专业知识”成了唯一壁垒？

当任何一个实习生都可以用自然语言在一分钟内生成一个千行规模的 CRUD 系统时，很多人陷入了极度的职业焦虑：“我还能干什么？”

昨天登顶 Hacker News 榜首、斩获 801 分和 500 条评论的神帖《Domain expertise has always been the real moat》给出了答案。

在 AI 时代，能够让你留在牌桌上的，是以下三个维度的领域专家能力：

1. 隐式契约（Implicit Contracts）的掌握者

代码仓库里写出来的叫“逻辑”，没写出来的叫“契约”。比如：“这个旧服务的 API 虽然返回了 200，但它的字段有时会静默截断，所以下游必须做二次校验”；或者“这段代码之所以写得这么蠢，是因为三年前的一张机房物理网络工单限制”。 AI 读不懂这些沉淀在工位对话和历史尘埃中的隐式契约，只有懂业务的你才知道。

2. 权衡（Trade-off）的最终决策者

在面对性能优化时，AI 可以在 1 秒内为你写出 O(1) 复杂度的多级缓存同步算法。但只有真正的领域专家知道，在这个特定的金融结算场景下，数据的一致性压倒一切。即使被骂架构落后，也宁愿用低效但绝对安全的 O(N) 数据库悲观锁直查。决定“不做什么”，永远比“能做什么”更具价值。

3. 抽象边界的定义者

真实世界的业务需求永远是混沌、矛盾和充满歧义的。 AI 无法处理混沌。只有人类专家能够将复杂的现实需求，准确拆解、剥离，并映射为高内聚、低耦合的“领域边界”。你给 AI 定义的边界有多清晰，AI 吐出的代码就有多强壮。

三、破局之道：在零成本代码时代建立防御防线

面对 AI 这个“热核级 ADHD 放大器”，我们不能靠意志力来抵抗，必须引入强制的工程纪律。

第一，TDD（测试驱动开发）的绝对复兴。 以前觉得写单测太慢？现在正是单测发挥最大价值的时刻。在让 AI 写任何实现代码之前，人类必须先写出断言（Assertions）和核心测试边界。**用测试用例作为锁链，把 AI 狂奔的野马死死拴在木桩上。**只要测试没绿，就不允许 AI 发散。

第二，用 DDD（领域驱动设计）隔离可见性。 永远不要把整个代码库的上下文直接扔给全局的 AI 助手。必须严格限制它的可见范围（Bounded Context）。你需要什么领域的功能，就只喂给它那个核心实体（Entity）和接口规范。切断它感知并“顺手”乱改全局架构的能力。

第三，架构师角色的全员化。 这个行业正在抹杀“初级码农”的生存空间。未来，每一个留在牌桌上的工程师，都必须进化为能够审视系统全局状态、控制代码熵增的架构师，以及精准洞察需求的业务产品经理。

结语：退潮之后的沙滩

资本的狂欢和估值的飙升终会散去。

当所有的公司都能用大模型在瞬间生成无数行语法完美、设计模式优雅的代码时，决定一款产品生死存亡的，早就不再是构建速度了。

真正的核心竞争力，在于谁能管好这庞大且廉价的代码资产，让它在复杂的现实业务中不走向崩溃。

AI 吃掉的，只是那个将逻辑翻译为代码的“翻译官”角色。而那些真正理解系统运作规律、深谙业务本质的“领域专家”，才刚刚迎来他们价值最高的黄金时代。