AI 幫你省了 50% 的時間，為什麼交付還是沒變快？
整理版優先睇
AI 幫你省咗一半時間，但交付仍然冇快過？問題可能喺流程債務度
作者係一位用咗 Claude Code 大約四個月嘅開發者。佢發現 AI 確實令寫代碼快咗好多，但奇怪嘅係，成個交付流程似乎冇快到，甚至仲覺得更「塞車」。佢引用咗 DORA 指標創建者 Nicole Forsgren 嘅框架，解釋呢個現象：AI 只係加速咗開發者自己控制嘅「內循環」（寫代碼、本地測試），但寫完之後嘅「外循環」（code review、CI/CD、審批、部署）完全冇變。Forsgren 叫呢個做「組織流程債務」——以前大家容忍呢啲慢，係因為寫代碼都要幾日，等待嘅感覺被「稀釋」咗。而家 AI 將寫代碼時間大幅縮短，等待時間就變得格外刺眼。
作者用自己嘅親身經歷說明：做一個完整功能，時間壓縮到原來一半，但仍要手動更新文檔、等審批、等 CI 跑完。佢發現以前未被留意嘅「流程債務」——啲唔再有價值但仲未清理嘅步驟——變得好明顯。作者認為呢個落差係一個信號：瓶頸已經從寫代碼移咗去外循環。佢建議用類似 Developer Flow 指標去睇睇被打斷嘅頻率，然後先針對最塞嗰個環節去改善，例如加快 CI、定明 code review SLA、削減無謂審批。
整體結論係：AI 係入口，系統先係出口。效率入咗嚟，但會經外循環嘅漏洞漏走。真正嘅問題唔係工具本身夠唔夠快，而係成條鏈係咪一齊變快。作者邀請讀者留言，分享自己嘅樽頸位。
- AI 工具（如 Claude Code）大幅提升寫代碼速度（內循環），但交付瓶頸已移至外循環（code review、CI、審批等），導致整體改善有限。
- Nicole Forsgren 提出「組織流程債務」，指嗰啲已冇價值但一直冇清理嘅步驟，例如過時審批、冗長會議，而家因為AI加速而變得顯眼。
- 100% AI 採用率 + 0% 交付改善完全有可能，因為瓶頸喺外循環，唔係寫代碼。
- 可透過「Developer Flow」指標追蹤被打斷次數，再鎖定樽頸（如 CI 太慢、review 冇 SLA），優先清理。
- 建議用 AI 輔助 code review，同步升級自動化測試，並主動清理流程債務，而唔係淨係諗點樣寫代碼更快。
用咗AI四個月，發現快嘅更快，慢嘅仲係慢
作者用 Claude Code 約四個月，寫代碼嘅速度明顯提升——一個功能點以前要半日，而家只要幾輪對話就搞掂。但佢發現代碼寫完提 PR 之後，就要開始等：等 code review、等 CI 跑完、等審批。AI 加速咗寫代碼，但等呢啲嘢嘅時間冇變，甚至覺得更「塞車」。
工具確實快了，但我坐在那裏，還是一樣堵着。快的更快，慢的還是慢
呢種感覺唔係錯覺，而係結構性問題。Nicole Forsgren，DORA 指標創建者，喺 2026 年初一個對談入面提出咗 內循環 vs 外循環 嘅框架。
內循環快咗，但外循環仲係十幾年前嘅速度
內循環係開發者自己控制嘅部分：寫代碼、跑本地測試、除錯。Copilot、Claude Code 呢類工具喺呢度效果顯著。外循環係寫完之後嘅事：code review、CI/CD 流水線、安全掃描、部署上線——呢啲幾乎冇改善。
Forsgren 嘅原話：「We're making the fast parts faster while the slow parts stay just as slow.」翻譯成粵語就係：我哋令快嘅部分更加快，但慢嘅部分仲係咁慢。呢句說話點出咗一個好具體嘅問題：AI 加速嘅，正正係條鏈入面原本比較快嘅一段；真正慢嘅地方冇人鬱。
佢畀咗一個冷靜嘅結論：100% AI 工具採用率 + 0% 交付改善，完全有可能發生。因為瓶頸唔喺寫代碼，而喺外循環。
到位嘅落差：我嘅親身經歷
作者用 Claude Code 之後，做一個完整功能嘅時間壓縮到原來嘅一半。但佢發現有啲嘢仲係咁慢，甚至更顯眼。舉咗兩個具體例子。
- 1 寫完一個小工具核心邏輯加測試，花咗兩個半鐘（以前要成日）。但之後要手動更新一份配置文檔，走 內部審批，等佢哋確認——呢個就係流程債務。
- 2 以前寫代碼都要幾日，等待嘅時間被「稀釋」咗；而家寫代碼時間縮短，等待時間不變，落差即刻浮出水面。
作者強調，呢個落差唔係抱怨，而係一個信號。佢建議覆盤最近做過嘅功能，畫條時間軸，睇嚇邊一環等得最耐。Forsgren 亦提出咗 Developer Flow 指標——即係開發者一日入面被打斷嘅次數。呢個數字比代碼寫得快唔快更能反映系統健唔健康。
每次都被審批、等待、上下文切換反覆拉走，呢啲嘢先係真正嘅殺時間
問題唔係工具快唔快，而係系統改唔改
Forsgren 建議：AI 唔應該只用嚟寫代碼，仲應該用嚟審查代碼。自動化測試都要同步升級，減少對人工 QA 嘅依賴。更重要嘅係，要主動去清理流程債務——例如 削減已經冇用嘅審批步驟、定明 code review SLA、加快 CI。
作者得出一個關鍵視角：工具係入口，系統係出口。效率從入口湧入，卻從外循環嘅漏洞漏走。AI 幫你睇見咗樽頸，但睇見唔等於清理咗。真正嘅問題係：你打算由邊度開始鬱手？
你嘅新樽頸喺邊？
作者最後邀請讀者思考：用咗 AI 之後，邊個環節反而變成咗新瓶頸？寫代碼快咗，咩嘢仲係等好耐？評論區分享嚇。呢個問題，每個團隊嘅答案唔同，但幾乎都總有一個死穴，每次都卡喺度，就係冇人專門去修。
文章發佈時間：2026.04.28 20:20，地點：滬·趙巷。聲明：本文由 AI 輔助完成。
Claude Code用咗大概四個月，寫code呢樣嘢真係唔同咗。
一個功能點，以前要揾文件、對照例子、手寫邏輯、反覆除錯，半日就冇咗。而家將需求講清楚，來回幾輪，code就出到嚟。速度提升係真實嘅，唔係心理安慰。
但有一日我突然意識到一件事。
Code寫完咗，提咗PR，然後我開始等。等code review，等CI跑完，等有人嚟批。工具確係快咗，但我坐喺度，都係一樣塞住。
快嘅仲快，慢嘅仍然慢
Nicole Forsgren 係 DORA 指標嘅創建者，《Accelerate》嘅第一作者。全球工程團隊衡量「交付快唔快」，基本上離唔開佢嘅研究。
2026年初，佢喺一場對談入面提出一個框架，兩個概念：內循環和外循環。
內循環係開發者自己嘅事：寫code、跑本地測試、除錯。Copilot、Claude Code呢類工具喺呢個環節效果好，確係加速咗。
外循環係寫完code之後嘅事：code審查、CI/CD流水線、安全掃描、部署上線。呢啲，冇改善。
佢嘅原話：
"We're making the fast parts faster while the slow parts stay just as slow."
譯做中文就係：我哋令快嘅部分更快，但慢嘅部分仍然一樣慢。
呢句說話聽落平淡，但講嘅係一個好具體嘅結構性問題——AI工具加速嘅，啱啱係流程鏈入面本來就比較快嗰段。真正慢嘅地方冇人鬱。
流程債務：啲一早冇曬價值嘅步驟
Forsgren 仲提出一個概念：組織流程債務（organizational process debt）。
類似技術債。技術債係code層面嘅爛攤子，流程債務係組織層面嘅——啲會議、簽批、「我哋一直都係咁做」嘅審批步驟，喺佢哋被創建嘅時候或者有價值，但而家一早唔產生任何價值，只係冇人去清理。
呢啲流程，喺AI出現之前，大家勉強忍得到。
原因好簡單：寫code本身就要幾日，流程再慢啲，都冇強烈嘅落差感。時間都慢，慢喺邊度唔係咁明顯。
但而家唔同咗。
AI幫你半日寫完code，然後你發現自己仲要行三層審批，仲要等個兩日先睇PR嘅同事，仲要睇住CI跑咗四十分鐘。
速度嘅落差感，變得格外刺眼。
Forsgren 畀出一個好冷靜嘅結論：
100%嘅AI工具採用率 + 0%嘅交付改善，完全有可能發生。
工具採用咗，席位激活咗，開發者都在用，但交付速度冇變。因為瓶頸唔喺寫code，而喺外循環。
具體到我個人感受
用Claude Code之後，我最明顯嘅變化係：做一個完整功能嘅時間，大概壓縮到原來嘅一半。
但我同時意識到，有啲嘢慢咗落嚟，或者話，變得更加明顯。
舉兩個好具體嘅例子。
有一次寫完一個小工具嘅核心邏輯，加埋測試，大概用咗兩個半鐘。以前做同一件事要成日。code寫完之後，我要手動更新一份配置文件，行內部審批，然後等佢哋確認。呢啲就係流程債務——啲喺某個時間點被設計出嚟、而家一早冇價值、但冇人專登去清理嘅步驟。
以前冇呢種感受，唔係因為等待唔存在，係因為code本身都要寫幾日，等待被「稀釋」咗。時間都堆喺寫code度，review慢啲、流程拖啲，都被當做正常背景噪音。
而家唔同咗。code嘅時間縮短咗，等待嘅時間冇變，兩個數字一對比，落差變得好明顯。
原本隱藏喺「寫code要用時間」後面嘅啲等待，被AI曝光咗。
呢個唔係抱怨。呢個係一個信號，亦都係一個入口。
揾到瓶頸嘅方法其實好直接：覆盤最近做過嘅幾個功能，將時間軸畫出嚟，睇嚇等待時間最長係邊個環節。Forsgren 仲提到一個指標——Developer Flow，即係開發者被打斷嘅頻率。一日入面被打斷幾多次，被審批、等待、情境切換反覆拉走，呢個數字比code寫得快唔快更能反映系統健唔健康。係CI太慢？係review冇明確SLA？定係發佈需要行不必要嘅審批？每個團隊嘅答案唔一樣，但幾乎每個團隊都有咁一個死穴，每次都卡喺度，就係冇人專登去修佢。
問題唔係工具夠唔夠快
Forsgren 嘅建議係：AI 唔應該只用嚟寫code，更加應該用嚟審查code。自動化測試都需要同步升級，減少對人工QA嘅依賴。更加重要嘅係，要去清理流程債務——啲已經唔產生價值嘅會議、審批、步驟。
呢度有一個更根本嘅視角：
工具再快，如果成個系統冇一齊變，快只係局部嘅快。交付係一個鏈條，任何一個環節塞住咗，鏈條就唔鬱。
工具係入口，系統係出口。效率從入口湧入嚟，但從外循環嘅漏洞漏出去。
AI幫你見到瓶頸，但見到唔等於清理咗佢。真正嘅問題係：你打算從邊度開始鬱手？
用AI之後，你邊個地方反而變成新瓶頸？留言區傾嚇。
2026.04.28 20:20
滬·趙巷
📌 聲明：本文由AI輔助完成
用 Claude Code 大概四個月了，寫代碼這件事確實變了。
一個功能點，以前要搜文檔、對照示例、手寫邏輯、反覆調試，半天下去了。現在把需求說清楚，來回幾輪，代碼就出來了。速度提升是真實的，不是心理安慰。
但某天我突然意識到一件事。
代碼寫完了，提了 PR，然後我開始等。等 code review，等 CI 跑完，等有人來批。工具確實快了，但我坐在那裏，還是一樣堵着。
快的更快，慢的還是慢
Nicole Forsgren 是 DORA 指標的創建者，《Accelerate》的第一作者。全球工程團隊衡量"交付快不快"，基本繞不開她的研究。
2026 年初，她在一場對談裏提了一個框架，兩個概念：內循環和外循環。
內循環是開發者自己的事：寫代碼、跑本地測試、調試。Copilot、Claude Code 這類工具在這個環節效果好，確實加速了。
外循環是寫完代碼之後的事：代碼審查、CI/CD 流水線、安全掃描、部署上線。這些，沒有改善。
她的原話：
"We're making the fast parts faster while the slow parts stay just as slow."
翻成中文就是：我們在讓快的部分更快，但慢的部分還是一樣慢。
這句話聽起來平淡，但說的是一個很具體的結構性問題——AI 工具加速的，恰好是流程鏈條裏原本就比較快的那段。真正慢的地方沒人動。
流程債務：那些早已失去價值的步驟
Forsgren 還提了一個概念：組織流程債務（organizational process debt）。
類比技術債務。技術債務是代碼層面的爛攤子，流程債務是組織層面的——那些會議、籤批、"我們一直這麼做"的審批步驟，在它們被創建的時候或許有價值，但現在早已不產生任何價值，只是沒人去清理。
這些流程，在 AI 出現之前，大家勉強能忍。
原因很簡單：寫代碼本身就要好幾天，流程再慢一點，也沒有強烈的落差感。時間都慢，慢在哪裏不那麼明顯。
但現在不一樣了。
AI 幫你半天寫完了代碼，然後你發現自己還在走三層審批，還在等那個兩天才看 PR 的同事，還在盯着 CI 跑了四十分鐘。
速度的落差感，變得格外刺眼。
Forsgren 給出了一個很冷靜的結論：
100% 的 AI 工具採用率 + 0% 的交付改善，完全可能發生。
工具採用了，席位激活了，開發者也在用，但交付速度沒變。因為瓶頸不在寫代碼，在外循環。
具體到我自己的感受
用 Claude Code 之後，我最明顯的變化是：做一個完整功能的時間，大概壓縮到原來的一半。
但我同時意識到，有些事情慢了下來，或者說，變得更可見了。
舉兩個很具體的場景。
一次寫完一個小工具的核心邏輯，加上測試，大概花了兩個半小時。以前做同樣的事要一整天。代碼寫完之後，我需要手動更新一份配置文檔，走內部審批，然後等他們確認。這就是流程債務——那些在某個時間節點被設計出來、如今早已不產生價值、卻沒人專門去清理的步驟。
以前沒這種感受，不是因為等待不存在，是因為代碼本身也要寫好幾天，等待被"稀釋"了。時間都堆在寫代碼上，review 慢一點、流程拖一點，都被當作正常背景噪聲。
現在不一樣了。代碼的時間縮短了，等待的時間沒變，兩個數字一對比，落差變得很明顯。
原本隱藏在"寫代碼要時間"後面的那些等待，被 AI 給曝光了。
這不是抱怨。這是一個信號，也是一個入口。
找到瓶頸的方式其實很直接：覆盤最近做過的幾個功能，把時間軸畫出來，看看等待時間最長的是哪一環。Forsgren 還提到一個指標——Developer Flow，也就是開發者被打斷的頻率。一天裏被多少次打斷，被審批、等待、上下文切換反覆拉走，這個數字比代碼寫得快不快更能反映系統健不健康。是 CI 太慢？是 review 沒有明確 SLA？還是發佈需要走不必要的審批？每個團隊的答案不一樣，但幾乎每個團隊都有那麼一個死穴，每次都卡在那裏，就是沒人專門去修它。
問題不是工具夠不夠快
Forsgren 的建議是：AI 不應該只用來寫代碼，更應該用來審查代碼。自動化測試也需要同步升級，減少對人工 QA 的依賴。更重要的是，要去清理流程債務——那些已經不產生價值的會議、審批、步驟。
這裏有一個更根本的視角：
工具再快，如果整個系統沒有一起變，快只是局部的快。交付是一個鏈條，任何一個環節堵住了，鏈條就不動。
工具是入口，系統是出口。效率從入口湧進來，卻從外循環的漏洞漏出去。
AI 幫你看見了瓶頸，但看見不等於清理了它。真正的問題是：你打算從哪裏開始動？
用 AI 之後，你哪個地方反而變成了新瓶頸？評論區聊聊。
2026.04.28 20:20
滬·趙巷
📌 聲明：本文由 AI 輔助完成