她一年没写代码，却成了 Sentry 的顶级工程师：AI 真正的威力不在生成

一位 Sentry 高级工程师公开承认：从 2025 年 12 月开始，她几乎不再亲手写代码。更反直觉的是，她的效率和影响力反而大幅提升。她用一组真实数据，颠覆了整个 AI 编程圈最流行的幻想。

一年不写代码，她在 Sentry 干得比以前更好

如果你在技术大会上听到一位“高级软件工程师”说：我已经几个月没写代码了，只在“提示 AI”，你大概率会觉得她在制造噱头。

但 Priscila Andre de Oliveira 不是。她是 Sentry 的 Senior Software Engineer，维护过 Verdaccio，是维也纳 JavaScript 社区的组织者。更重要的是，她面对的是一个成立于 2010 年、拥有 15 年历史、每天合并约 100 个 PR、被 10 万家组织依赖的庞大代码库。

在这样的环境里，“不写代码”并不意味着偷懒，而是一种冒险。

Priscila 给自己的新头衔是“Agent Manager”。她的日常不是敲键盘，而是同时调度多个 AI Agent：分析问题、探索代码、生成 PR、做跨仓库修改。她的同事甚至拍下了她在三块显示器前“管理 AI 团队”的照片。

听起来很科幻，但她强调了一点：这不是 Demo，也不是玩具。她和 Claude 一起提交的 PR，包含 bug 修复、功能开发、重构，甚至横跨多个仓库——而且已经实实在在跑在 Sentry 的生产系统里。

真相数据：67% 的 AI 使用时间，都花在“看懂代码”上

真正震撼行业的，不是她“用 AI 写代码”，而是她后来做的一次统计。

Priscila 发现，自己的提示语在不断重复。于是她让 Claude 分析了自己 116 次 AI 使用会话，并给所有提示做了分类。

结果非常反直觉：

67% 的提示，属于“理解与探索”（comprehension）；只有 2%，是真正的代码生成。

也就是说，大多数时间，她不是在让 AI 写代码，而是在反复问：
- 这段逻辑为什么存在？
- 这个模块和那个服务是怎么耦合的？
- 这次改动背后的历史决策是什么？

在一个高速演进、不断弃用组件、增加 lint 规则、引入新架构的巨型代码库里，最大的瓶颈从来不是“写得够不够快”，而是“理解得够不够对”。

她总结得非常直白：“AI 让我更快，但不是因为生成，而是因为理解。”

AI 成了那个“永远不会嫌你问题太多的同事”。

在 Sentry，用 AI 的前提是：先把代码质量当回事

这里有一个容易被忽略的背景：Sentry 并不是一边高喊 AI，一边放弃工程纪律的公司。

在引入大量 AI 工具之前，他们专门花了三个月做了一件事：质量季度（Quality Quarter）。

这段时间里，团队集中清理技术债：
- 移除 TypeScript 里的 any
- 删除堆积多年的 TODO
- 下线废弃的 feature flag
- 简化复杂到没人敢碰的老代码

为什么这件事重要？

因为在一个代码库每天变化、而 AI 又可能“自信地理解错”的环境里，如果工程师自己都不理解系统，就根本不可能“校准”AI 的判断。

Priscila 反复强调：你不能只是让 AI 去探索代码，然后盲目接受它的结论。你必须先对系统有心理模型，才能把 AI 拉回正确路径。

这也是她强烈反对“vibe coding”的原因之一。她引用了 Jack Nation 和 Rich Hickey 的观点，但补上了一个关键步骤：

在 research 和 implementation 之间，必须有“人类理解 AI 研究结果”的阶段。

否则，你只是在往一个你并不真正理解的系统里，持续注入新代码。

从“写提示”到“做技能”：把理解流程产品化

当理解成为主要工作后，Priscila 做了一个工程师最自然的选择：把它工具化。

她在本地为自己做了一个 AI Skill，叫 Catch Me Up。

这个 Skill 并不生成代码，而是把她反复问的理解型问题，结构化成六种探索模式：
- 这个改动影响了哪些模块？
- 历史上类似问题是怎么解决的？
- 当前实现的约束条件是什么？

现在，无论是参与一个“只允许提示、不允许手写代码”的项目，还是在代码评审中面对一个上下文不完整的 PR，她都可以快速“补齐认知”，再决定是否推进。

她引用 Armin Ronacher 的一句话，几乎是整场演讲的警告：

“当越来越多的人告诉我，他们已经不知道自己代码库里有什么代码时，我觉得这非常不对劲。”

AI 可以帮你写得更多，但如果它让你理解得更少，那就是在制造未来的灾难。

总结

这场分享真正颠覆人的地方在于：它没有把 AI 描绘成“更快的打字机”，而是一个放大认知能力的工具。

对在大型代码库里工作的工程师来说，最大的解锁不是生成，而是理解；不是写得多，而是想得清楚。Priscila 给出的行动建议其实很朴素：先对齐你的心理模型，再开始提示；把 AI 当成耐心的同事，而不是替你背锅的实习生。

如果你已经在用 AI 写代码，不妨回头看看：你用它的 70% 时间，是在生成，还是在理解？这个比例，可能决定了你未来几年工程能力的上限。

关键词： AI 编程， 代码理解， AI Agent， 提示工程， Sentry

事实核查备注： 需要核查：1）Priscila Andre de Oliveira 的职位与背景描述；2）Sentry 成立时间、代码库年限、员工数量、组织用户规模；3）每天约 100 个 PR 合并的说法；4）116 次会话中 67% 用于理解、2% 用于代码生成的数据；5）引用 Jack Nation、Rich Hickey、Armin Ronacher 的原始表述与语境；6）使用 Claude 作为主要 AI 工具的表述。