「AI 不是厨师。它顶多是一台煎牛排机。」 Serhii Sydorets 写了一篇博客，把 AI 辅助编程比作煎牛排——任何人都能把肉扔进锅里弄熟，但要稳定产出真正好的结果，需要真正的理解。机器能按食谱重复操作、规模化产出，但它不知道你脑子里到底想要什么，除非你把想法翻译成明确的需求。
文章的核心论点很简单：AI 让你更快地到达错误的地方，除非你知道正确的方向在哪里。它不会替你思考，它只会替你执行你已经想清楚的部分。如果你自己都没想清楚，AI 只会把混乱放大成更精致的混乱。
煎牛排的隐喻：工具与手艺的分野
Sydorets 在博客中详细拆解了这个比喻。一台煎牛排机可以精准控制温度、时间、翻面次数，甚至能同时处理十块牛排。它比任何人类厨师都稳定、高效。但问题在于：它不知道你想要的是一块三分熟的肋眼，还是一块全熟的西冷。它不知道你今天想吃清淡的，还是想配黑胡椒汁。
编程也是如此。AI 可以生成函数、重构代码、写测试用例，甚至能根据你的注释补全整个模块。但这一切的前提是，你已经在注释里写清楚了「这块牛排要三分熟，不要加盐」。如果你只写了一句「做一块牛排」，AI 只能给你一块随机熟度的肉。
需求翻译：人类唯一的不可替代性
文章强调了一个关键能力：把模糊的意图翻译成明确的指令。这不是提示词工程，而是真正的需求分析。你需要知道什么该做、什么不该做、边界在哪里、异常怎么处理。这些判断力来自对业务的理解、对系统的认知、对用户痛点的洞察。
作者给出了一个具体的对比：
- 初级开发者：让 AI 写一个登录功能，得到一堆能跑但漏洞百出的代码。
- 高级开发者：先定义会话策略、密码规则、防暴力破解机制、审计日志要求，再让 AI 生成实现。
- 架构师：直接告诉 AI 这个登录模块要对接现有的 SSO 体系，并给出接口契约和失败降级方案。
同样的工具，产出天差地别。差别不在 AI 的能力，而在使用者的思考深度。
规模化谬误：快并不等于好
Sydorets 警告了一个常见的陷阱：AI 让错误也能规模化。过去你写错一个函数，影响范围有限。现在你让 AI 生成一百个函数，如果需求理解错了，你会在几分钟内制造出一百个错误。而且这些错误看起来非常专业、非常合理，极难排查。
他引用了一句行业里的老话：
「调试代码的难度，是写代码的两倍。如果你用 AI 把写代码的速度提升十倍，那么调试的难度就变成了二十倍。」
这不是反对 AI，而是提醒：AI 放大了你的思考速度，也放大了你的思考缺陷。如果你没有在动手前想清楚，AI 只会让你更快地陷入泥潭。
真正的用法：AI 是思考的镜子
文章最后给出了积极的建议。AI 最好的用途不是替代思考，而是验证思考。你可以先写出自己的方案，然后让 AI 挑毛病；或者让 AI 生成一个版本，再逐行审视它为什么这么做。这个过程会迫使你更清晰地表达自己的意图。
作者总结道：
「煎牛排机不会让你成为厨师，但一个知道自己想要什么味道的厨师，可以用煎牛排机做出比手工更稳定的美味。AI 不会让你成为更好的程序员，但一个知道自己要什么的程序员，可以用 AI 做出比手工更可靠的系统。」
所以，别问 AI 能做什么。先问你自己：你知道自己要什么吗？如果答案是肯定的，AI 就是你最好的帮手。如果答案是否定的，AI 只会让你更快地发现这一点——这或许也是它最大的价值。