前端开发两年用AI搓工具：效率提升与职场焦虑并存

背景

作者是一名拥有 7 年前端开发经验的工程师，长期服务于一家带有互联网属性的传统企业。尽管自认为技术水平并非顶尖，且项目多为客户现场的内网环境，但他从生成式 AI（如 GPT）早期阶段便开始尝试将其应用于编程辅助。过去两年间，他广泛使用 Cursor、反重力（Anti-Gravity，可能指代某款 AI IDE 插件或特定工具）、Codex 以及 Claude Code 等工具，发现 AI 在代码生成和质量上甚至优于自身。

近期，由于业务侧需求减少，作者利用空窗期开发了两个旨在自动化处理日常繁琐工作的工具：一个是基于 Git 记录和 Agent 对话历史自动生成工时填报内容的 CLI 工具；另一个是用于自动化代码审查（Code Review, CR）并生成报告的工具。这一行为不仅源于个人对重复性工作的反感，也受到了广州同事利用 Agent 提升效率并受到领导赏识的外部环境影响。然而，随着 AI 能力的快速迭代，作者产生了强烈的职业焦虑，担心自己开发的工具若被领导认可，反而可能加速自身岗位的替代，从而陷入一种既自豪又自我怀疑的“拧巴”心态。

核心内容

文章详细记录了作者利用 AI 技术构建两个自动化工作流的实践过程及其背后的心理变化。

首先，在工时填报自动化方面，作者开发了一个命令行界面（CLI）工具。该工具通过扫描 Git 提交记录以及作者与 AI Agent 的对话历史，提取关键信息。随后，利用预设的 Skill（技能/提示词模板），让 Agent 将这些碎片化的技术记录“美化”为符合公司工时系统要求的、描述清晰的工作汇报文本。这一流程实现了从原始数据到正式汇报的自动化转换，极大地减少了人工填写的时间成本。

其次，在代码审查自动化方面，鉴于公司目前缺乏 Code Review 机制（通常直接合并代码，事后处理 Bug），作者构建了另一个 CLI 工具。该工具的工作逻辑是：首先获取待审查的 PR（Pull Request）信息，将其与本地仓库进行映射匹配，然后将代码上下文发送给 Agent。Agent 负责执行审查任务，生成详细的审查报告，并自动在代码库中发送评论。这一工具旨在弥补团队在代码质量管控上的缺失。

在工具开发完成后，作者的情感经历了一个复杂的转变。初期，他因工具的高效和实用性感到自豪，同时也意识到如果完全依靠自己手动完成这些工作，不仅耗时漫长，且受限于 Node.js 等后端技能的不足，难以实现。然而，这种成就感很快被职业焦虑所取代。作者提到，公司今年计划减少前端人员的占比，虽然领导口头承诺若有机会会为其争取名额以获取“大礼包”（通常指裁员赔偿），但作者内心深知 AI 能力的强大已超越自身。特别是在撰写帖子时，Claude 仍在协助优化 CR 工具，这种实时见证 AI 进化的过程加剧了他的不安全感。

此外，外部环境的对比也加剧了这种矛盾心理。广州的同事积极利用 Agent 工具提升效率并乐于分享，获得了领导的青睐。相比之下，作者虽然也开发了类似工具，却产生了“不想分享”的念头。他担心如果领导层真正意识到 AI 能如此高效地替代人工，最终导致失业的可能是自己。这种“搬起石头砸自己脚”的担忧，以及随着年龄增长带来的豁达感缺失，使作者陷入了深刻的自我反思与焦虑之中。

关键要点

• AI 辅助编程的成熟度：作者指出，经过两年的实践，AI 工具（如 Cursor、Claude Code）在代码生成和质量上已表现出超越普通前端开发者的能力，特别是在处理内网、非互联网核心业务的项目中。
• 自动化工作流的构建：
  • 工时系统自动化：通过 CLI 结合 Git 日志与 AI 对话历史，利用 Agent 将技术记录转化为标准化的工时填报内容。
  • 代码审查自动化：通过 CLI 获取 PR 信息并与本地仓库映射，交由 Agent 执行审查、生成报告并自动评论，弥补团队 CR 流程的缺失。
• 技能互补与局限：作者承认自身 Node.js 等后端技能不足，但通过 AI 和 CLI 工具弥补了这一短板，实现了跨领域的自动化能力。
• 职业焦虑与身份认同危机：
  • 公司缩减前端编制的背景下，AI 的高效性让作者感到自身价值被削弱。
  • 对比广州同事积极分享 AI 工具并获得认可，作者因担心“教会徒弟饿死师傅”或加速自身替代而产生分享抵触心理。
• 心理状态的转变：从最初使用 AI 时的惊叹与自豪，转变为因 AI 能力超预期而产生的自我怀疑、焦虑以及“拧巴”的复杂心态，反映了资深开发者在 AI 时代面临的普遍困境。

意义与影响

这篇分享深刻揭示了当前技术从业者，尤其是前端开发人员，在面对生成式 AI 普及时的真实心理状态与技术实践。

首先，它展示了 AI 从“代码生成助手”向“工作流自动化引擎”的演进。作者不再仅仅将 AI 视为写代码的替代品，而是将其整合进 CLI 工具中，用于处理非代码类的行政性、流程性工作（如工时填报、代码审查）。这表明 AI 的应用场景正在从单纯的软件开发环节，扩展到整个研发效能管理的各个环节，具备极高的实用价值。

其次，文章反映了 AI 对职场权力结构与沟通模式的影响。广州同事通过分享 AI 工具获得领导赏识，而作者因担心自身利益受损而选择沉默，这揭示了在技术快速迭代期，知识共享与个人职业安全感之间的张力。这种“防御性”心态可能导致团队内部的技术壁垒，阻碍整体效能的提升。

最后，该文是 开发者职业转型焦虑的典型样本。作者的经历表明，即使是有 7 年经验的资深开发者，在 AI 能力迅速超越人类平均水平时，也会产生强烈的不安全感。这种焦虑不仅源于技术层面的替代风险，更源于对自我价值定义的迷茫。对于行业而言，这提示我们需要重新思考开发者的核心价值：当基础编码和流程性工作被 AI 接管后，开发者应如何定位自身角色，从“执行者”转向“架构者”或“问题解决者”，以应对未来的职业挑战。