如果只从管理者的视角来看，其实“工艺”并不是其考虑的维度。
谁成本低，谁产量高，谁就上。就这么简单。

所以不管是现在的 AI 还是 10 年前“自愿加班”的卷王，本质上没区别。

4 、目前的 AI 还是很难主动提问。他就像是一个想疯狂证明自己的实习生。为了输出内容，不惜隐藏错误，掩盖信息缺失，不懂装懂。

目前丝滑程度还差一些，但也是临门一脚了。

1 、对于前后端结合产品，AI 很难做实际测试、验证。换句话说，AI 只能告诉你“编译通过了”。但很难告诉你，业务在 UI 上展示是否正常。

2 、上下文还是短，理想的情况应该是覆盖一个业务的整个垂直链条（从数据一直到 UI ）。这样才不会因为上下文缺失导致频繁的误读与误解。

3 、对于既有产品，以及既有的团队分工，因为充斥很多人员、商务、管理上的妥协，所以 AI 接手的效率很低。

楼主标题是“新计费模式”，但内容对于计费模式之口不提。标题党都没这么干的。

新计费模式就是按量付费。10$的套餐，trae 会给你 20$的用量。
然后具体的模型消耗量如下：
https://docs.trae.ai/ide/models

所谓的“新计费模式的优势”，在我看来就是扯。
从次数计费改成按 token 计费，还按之前的限制 ai 的执行轮数与上下文总量，不是左右脑互博么？

所以流程都失效了，讨论管理还有什么意义……

code review 是不是没做？像这种延时 1 秒的硬编码，是怎么通过审核的？
设计文档写了吗？如果写了，同步调用远端这种设计流程是怎么过的？

从公司业务的角度来讲，“责任”其实包含两个含义。

一个是生产的产物本身不合法律法规。一个是生产的产物不符合预期。这是完全两种逻辑。

对于产物本身不合法的，本质上就是谁拍板谁负责。一般来讲，正规公司都有一系列固定的决策流程，结果也都是公司决策，所以是公司主体以及法人负责。除非执行者在非公司知情的情况下自行改动，但这也符合拍板既负责这个情况。

如果是最终产物与预期不符，就是谁未尽职谁负责。公司主体作为最后的兜底者。


所以回到楼主的问题，你使用 AI Coding ，如果生产的程序不符合法律法规，那么是你这个“决策者”的责任。
如果 AI Coding 的结果你不满意，理论上讲你可以起诉 agent 提供者，当然，前提是你要证明对方的服务确实有不符合协议的过失或失误。

@drymonfidelia 数据库侧，慢哈希的意义是相较于其他算法而言的。
假设你知道密码字段的加密算法、加盐逻辑以及取值范围。按照你的理解，一个 6 位纯数字，慢哈希的破解是以天为维度。

如果是其他算法的话，使用 GPU 加速，那暴力破解的单位将会是毫秒。
一天已经把整个银行系统的所有用户都轮完了。

最起码你要有一个固定的需求和场景才能讨论安全。没有需求讨论无限的安全不是耍流氓吗？

另外，你注重隐私，然后你把别人的照片丢给大模型，这是什么行为？

没太懂楼主想表达什么，不安全指的是哪一侧？

如果是用户侧的话，问题不大，因为六位数字往往伴随着尝试次数限制。
如果是数据侧用于非明文存储的话，确实没意义。

但是你光拿到 hash ，你怎么知道他的算法是什么，以及他的明文是什么范围？

其实 AI Coding 最大的问题一直是如何给 AI 最合理的提示词和上下文，以及如何最大化的利用 AI 的上下文容量。

如果你的需求可以几句话说清楚，没有任何歧义，那其实也一定不是很复杂的问题。而且一定是界内比较统一，有最优实践的问题。

而实际上的软件工程实践并不都是这样的理想情况。而且是越靠上层，越贴近用户，越反直觉，越反逻辑，越反效率。
这时候 AI Coding 的表现就比较不尽如人意。

国产安卓硬件规格、代际过于细碎，且各家 OS 的设计标准答案都不同。导致优化困难。
而且各家 OS 作为用户入口都很强势，都惹不起。（甚至游戏还有完全不共通的“渠道服”这种霸王产物）
所以作为 app 来讲，宁肯都不适配，也不能只适配一部分。这样最起码都不得罪。

以上是硬件渠道原因，然后是软件。

作为国内 app 本身，其实体验或者手感，并不构成实际竞争力。各家的 app 只是各家实际业务的桌面占领器。
你不会，也不能因为 xx 的软件不够流畅，从而弃用。因为国内的生活已经深度和移动互联网绑定。弃用某 app 给自身带来的痛苦远大于 app 自身的卡顿和臃肿。

综上，最终结果就是楼主体验的这样。

程序员的价值从来不是写正确语法的代码这么简单。
所以与其说被 AI 替代，不如说是被产量倍增的高阶程序员碾压。

骆驼祥子不是输给了汽车，是输给了司机。

不知道是使用方法还是什么的区别，我只看到一个紫色的框，里面只有翻译的结果，和官网的展示 UI 货不对板。

主要是 vscode 生态越来越强大之后，其自带的 remote ssh 已经解决了绝大多数的远程开发问题。

另外，对于 AI Coding ，唯一需要操心的就是上下文的获取。只要环境允许能合理的提供上下文，在哪都能开发。

目前能做的，只能是阐述你在积极的拥抱 AI ，以及对 AI Coding 以及统计学模型的理解。
实用层面没有价值。

如果说的是 AI 使用上的细节，至少在现在没有说服力。

因为目前 AI Coding 还在高速迭代阶段。你目前擅长的技能与使用的经验可能 3~6 个月后就没什么特殊意义了。

@yang0327519
我个人认为，目前的教育投入产出比还是值的。但以后不一定。
我也同意教育的模式需要改变，但很难快速改变。

我认为因为有几个维度：
1 、改变就意味着风险，没有家长愿意把自己孩子的成长当作实验品。
2 、学业路线的改变，会改变社会的人才培养梯度和筛选逻辑，对社会的稳定性是相当大的挑战。
3 、目前社会对于统计学模型的影响与认知还处于极其浅薄与初级的阶段，没有形成合理的合作机制与分工。这时候的修改更多的其实是短视的。有可能是以牺牲一波学生的能力与前途为代价的。

但相较于教育模式，我更担心的是教育筛选机制，也就是笔试的失效。

1 、目前的统计学模型，已经能够有针对性练习与针对性出题的能力。
2 、大语言模型的习题产出没有法律风险。
3 、习题、考题，尤其是大考题目，作为标准的教育资源，是极大程度透明公开的。
4 、模型没有习题的产出限制。

这就导致，未来一定是有钱人用好模型、好资源练题。好模型压中考试题目的概率更高，且没有类似泄题的法律风险。
这种情况下，类似高考的一锤子模式的公平性就会受到极大的挑战。

楼主混淆了几个概念。
1 、义务教育≠教育。义务教育的目的是扫盲。教育的目的是筛选。

2 、AI 能力强≠不需要知识储备。过去有个形容我认为很自洽，既人的认知是一个圆。你的知识储备越强，你的圆面积越大。但同时，你的周长也越长。周长指的就是你接触未知，探索未知的能力与可能性。

3 、孩子抵触学习≠不想学习。是不想像奴隶一样的学习。其本质是因为家长、学校没能从孩子的视角出发，让孩子掌握学习的技巧与能力。也没能激发孩子从学习处获得的正反馈。