我开始依赖 AI 帮我做技术决策了，然后有一天它帮我做了个错的
上个月搭一个消息推送模块，定了两个方案，一个用消息队列解耦，一个直接同步调用加重试。
两个方案写完我没多想，直接贴给 AI，问它哪个更好。
AI 给了很整齐的分析：异步解耦延迟低、可扩展、符合微服务原则，同步方案简单但耦合重，不适合高并发。推荐第一个。
我点头，选了消息队列方案，上线。
三周后，这个模块在某个边缘场景下出问题了。消息积压，消费端处理超时，用户收到的通知延迟了将近20分钟。排查了两个多小时，最后发现根本原因：这个推送场景本身对实时性要求极高，用户提交表单后的即时反馈，延迟20秒都不能接受，更别说积压。
消息队列对这个场景完全是个错误选择。
AI 的分析没有错——放在一般场景里，它说的都对。错在我没有告诉它这个场景的核心约束，然后拿着它的通用建议就做了决定。
我开始用 AI 做技术 Review 大概是去年年底。当时的感受是效率飞升——省掉了很多跟自己较劲的时间，那种”这两个方案到底选哪个”的内耗直接消失了。问一下，答案出来，分析清晰，理由充分，直接执行。
但我现在回头看，这段时间里我养成了一个很糟糕的习惯：思考这件事的时间越来越短，提问越来越快。
以前我会在脑子里先走一遍，把自己能想到的优缺点列出来，想象最坏的情况，想这个决策在三个月后会不会变成麻烦。
现在是，刚有个想法，还没想清楚，先问问 AI。
这两件事的差距比看起来大多了。自己先思考的过程，是在建立对这个系统的认知。你不只是在选方案，你在搞清楚你面对的问题的边界是什么，哪些约束是真实的，哪些是你以为的。这个过程不能跳过。
AI 帮你做分析，前提是你提供了准确的输入。而准确的输入，来自你对问题本身的理解。
我跳过了自己思考的过程，直接去拿 AI 的输出，相当于跳过了理解这一步。
那次线上问题之后，我做了一件有点奇怪的事：我把最近三个月用过 AI 帮我做决策的情况翻了一遍，大概有十几个。然后逐个问自己：这个决定当时我自己想清楚了吗？还是直接用了 AI 的结论？
结果挺难受的。
有四五个情况，我真的不确定我当时有没有独立判断过。那个决策在我脑子里的印象，就是”AI 说应该这样”。理由我能复述，但那是 AI 的理由，不是我自己推导出来的理由。
这两件事区别也挺大的。一个是你自己理解了，用 AI 验证了，知道为什么。另一个是你不确定，AI 说了，你就信了。
后者长期下去，你对自己系统的理解是会空洞化的。遇到问题，你不知道该从哪里入手，因为你从来没有真正”想过”这个系统是怎么设计的，只是执行了别人（AI）的建议。
我问过一个做了十几年后端的前辈这个问题，他说了一句让我印象很深的话：
“工具帮你跑得更快，但跑的方向还是得你自己定。AI 帮你分析很好，但它不知道你的业务里那个不能妥协的点是什么。那个点只有你知道。”
这话不是反对用 AI，他自己也用，而且用得比我还频繁。他的意思是：在用 AI 之前先想完，用 AI 来验证你的想法，而不是替代你的想法。
这两种用法在结果上短期看差不多，长期差距就很明显了。第一种，你越来越懂你的系统。第二种，你越来越依赖 AI，离开了它你的判断力会退化。
现在我的做法是：要做技术决策的时候，先给自己十分钟。不开 AI，就是自己想。
把问题写出来，把我认为的约束写出来，把我倾向的选择写出来，以及理由。然后再去问 AI。
然后我会对比两个版本。如果 AI 的分析和我想的高度重合，说明我想对了，方向没错。如果 AI 发现了我没想到的点，我会认真看那个点，判断它对我的具体情况是不是真的成立。如果 AI 跟我想得完全不一样，我不会直接推翻自己，而是回去想：是我哪里想错了，还是我的上下文没有传达清楚？
这个过程多花了一点时间，但我感觉自己对系统的掌控感回来了一些。
那次消息积压的问题，我后来复盘，如果我当时先自己想，第一步就会写下这个场景的核心约束：用户提交表单后的即时反馈，延迟不能超过三秒。写下这一条，消息队列方案就直接排除了，不用 AI 出场。
我跳过了这一步。
我不是说 AI 帮你做技术决策是错的。有时候你真的拿不准，有时候你需要一个快速的外部视角，有时候你就是想验证一下自己的思路有没有漏洞。这些场景用 AI 都挺好。
让我有点警觉的是那种懒得想、直接问的状态。那个状态如果变成习惯，你会发现某一天你站在一个复杂问题面前，大脑空白，条件反射是打开对话框，而不是开始思考。
工具越强，这个风险越大。不是因为工具坏，是因为人天生倾向于走捷径。
我现在还在用 AI 做技术 Review，但我会先把自己的思路走完再去问它。
多花十分钟，买一个”这是我想清楚的”的确定感。对我来说目前还是值的。