AI写代码了还要加班？老板只看前半句，真相扎心了

今天鸭鸭看到一个真实的话题。

36氪提到AI工具确实让程序员编码效率提升了，比如团队编码时间缩短40%，整体效率提升20%。

听起来很爽，但评论区和很多一线同学的体感没那么爽。

“我不明白，AI发展不是让我们5点下班，而是让我们加班到10点。”

“AI到来后，节奏变快了。管理层觉得AI能极大提效，以前一周的活现在两天要交。”

“考核变了，看代码量排行榜。有人全靠AI，代码量拉高，大家被迫对标。现在比谁用AI多，甚至看Token数。”

从这些讲述里能感觉到，行业气氛在变，大家被迫提速。

代码写快了，需求也变多了。原来一周一次进度，现在两天看结果。原来一个人写一个模块，现在AI一口气吐出三版，人还得审、改、测、背锅。

老板看到的往往只有前半句：“AI让你提效了”，后半句自动补成“那你该接更多活”。

程序员的工作不只是敲代码。写代码快不代表需求澄清快，不代表测试回归快。

AI只加速了“生成代码”，但中间还有磨的过程。产品要改，接口要对，老系统要兼容，测试要回归，上线后还要看监控。

这些没提效，节奏就被拉高。AI没让程序员少干20%，让公司觉得你该多交20%。

公司买AI工具是为了让人做更多需求。以前一天200行正常，现在AI一天生成2000行，“正常工作量”也被悄悄改了。

这2000行有多少能用？没人第一时间关心，先看产出速度。问题再找人修。

AI肯定有用，能省重复代码、测试样例的时间。关键在于公司怎么理解“省下来的时间”。如果塞进更多需求，程序员不会轻松。如果质量没人管，维护更痛苦。

该问公司有没有重新设计研发流程？AI代码谁来负责质量？Review标准是什么？代码量增加测试资源跟上吗？交付周期缩短流程缩短了吗？出事故责任算谁的？

这些问题不解决，AI提效就成加班理由。程序员要小心别变成“AI产能清洁工”。AI负责疯狂生成，你负责擦屁股、补测试、改边界、填文档、背事故。

更好的方向是往“质量控制”和“系统设计”挪。判断什么代码该AI写，什么必须人拍板，什么需求看似简单其实改动链路长。

AI提效是踩油门，车能跑快。但刹车、方向盘、仪表盘得重新检查。会写代码的人重要，会判断“这段代码该不该进主干”的人更重要。

今天鸭鸭和大家分享一道AI大模型面试题。

【MCP架构包含哪些核心组件？】

MCP核心是客户端-服务器架构，主机可连多个服务器。整体由5个核心组件构成：

1）MCP主机：想通过MCP访问外部数据的程序，比如Claude Desktop、Cursor。

2）MCP客户端：与服务器1:1连接的协议客户端，负责通信。

3）MCP服务器：轻量级程序，通过MCP协议暴露功能，包括数据源、工具、API。

4）本地数据源：MCP服务器可访问的本机资源，比如文件系统、本地数据库。

5）远程服务：MCP服务器连接的外部系统，比如第三方API、云服务。

MCP Client是桥梁，负责在模型与外部工具间传递信息。流程是：1）Client拉取工具列表；2）用户请求，Client通过Function Calling发给模型；3）模型判断调哪些工具；4）Client发起调用；5）工具执行完，结果返回模型；6）Client返回响应给用户。

目前Claude Desktop、Cursor已内置MCP Client，能和MCP Server建立连接。

MCP Server是核心，提供结构化上下文和操作能力。定义三类基础功能：

1）Resources：静态或动态数据文档，供模型查询。

2）Tools：模型可调用的函数接口，如发请求、执行命令。

3）Prompts：预定义提示模板，引导模型完成特定任务。

社区维护的MCP Servers Repository和Awesome MCP Servers里有大量开源实现。TypeScript用npx运行，Python用uvx启动，部署方便。

参考文档：MCP官方文档