最好的工程师不是写代码，而是删代码：一场关于AI、Token与管理的反直觉对话

如果你还在用“写了多少代码”衡量工程师价值，这期播客会让你不太舒服。Stay Sassy 两位匿名作者在 Latent Space 里抛出的核心观点是：在 AI 时代，真正稀缺的能力不是生产代码，而是删除、约束和管理它——尤其是当 Token 开始像预算一样被管理时。

炸裂开场：工程能力的终极形态，是把代码删掉

“The best engineers don't write the most code. They delete the most code.”这句话之所以刺耳，是因为它直接否定了过去十几年工程文化的默认价值观：产出=代码行数。在 Stay Sassy 看来，AI 把‘写代码’这件事的边际价值压到了极低，真正拉开差距的，是谁能决定哪些代码不该存在。

在播客里，他们反复强调一个反直觉判断：当 AI 能几乎无限地产出代码时，复杂性本身成了最大的风险源。系统不是因为功能不够失败的，而是因为功能太多、依赖太重、没人敢删。删除代码，意味着你真正理解了系统的边界、用户的真实需求，以及哪些抽象是多余的。这不再是“洁癖”，而是一种高级工程判断力。

匿名写作到规模化影响力：Stay Sassy 如何“反增长”地增长

Stay Sassy 本身就是一个反直觉样本：匿名作者、匿名品牌，却在 Substack 上持续增长。他们在播客里没有给出所谓的“增长黑客秘籍”，反而总结了一套更朴素、也更难的原则。

第一，长期保持稳定的主题边界。他们刻意不追热点，而是围绕工程管理、产品决策、AI 现实问题反复深挖。第二，把写作当成“去上学”——不是输出权威，而是记录自己如何思考。这种姿态反而降低了读者的心理防御。第三，增长是概率性的，不是线性的。他们明确说，很多时候只是持续写、持续发，直到某一篇被更多人看到。

这套逻辑和他们对工程的看法高度一致：不要堆功能，不要追指标，先把系统（或内容）的核心约束想清楚。

Token 成了新预算：AI 时代真正的“规模化问题”

播客中最硬核、也最容易被忽略的一段，是他们谈 Token 和 AI 成本管理。一个关键判断是：AI 的规模化，不再只是服务器和人力的问题，而是一个“非人类维度”的扩张。

当每个员工、每个流程、每个自动化决策都在消耗 Token 时，Token 就变成了新的预算单位。不是“这个功能好不好”，而是“这个决策值不值这些 Token”。他们甚至提到，年 AI 账单可以轻松达到数百万级别，这迫使管理层必须重新学习如何做取舍。

这里的反直觉点在于：AI 越强，越不能放任。真正成熟的组织，会像管理现金流一样管理模型调用，把 Token 使用和业务价值直接挂钩。否则，所谓的‘规模化’，只是把浪费放大。

从工程到管理：AI 暴露的不是技术问题，而是人类问题

在后半段对话里，Stay Sassy 把话题拉回到管理。他们的判断相当尖锐：AI 不会先淘汰工程师，而是先放大糟糕管理的后果。

当执行成本趋近于零，决策质量就成了唯一瓶颈。AI 可以帮你更快地做事，但不会帮你决定该不该做。这也是为什么他们反复强调 focus——删掉不重要的项目、减少无效自动化、把 AI 用在真正需要判断力的地方。

他们甚至提到，未来最有价值的管理能力，是能否设计出‘人+AI’都能长期运行的系统，而不是一次性的效率提升。这要求管理者直面激励、责任和审查这些典型的人类问题。

未来两年：代码、组织与个人都会被重新定价

临近结尾时，播客抛出了一个开放但意味深长的判断：未来两年，你在 X 上看到的所有极端观点，可能都会同时发生。

一边是“我刚让 AI 写了一个系统”的炫耀，另一边是组织因为失控的自动化而付出高昂代价。Stay Sassy 的态度并不悲观，他们自称是乐观主义者，但这种乐观建立在极强的现实约束之上：删代码、控 Token、重视人。

这不是技术浪潮的问题，而是成熟度的问题。谁先学会克制，谁就能走得更远。

总结

这期播客真正有价值的地方，不在于某个具体工具或模型，而在于它重新定义了“好工程”和“好管理”。在 AI 让执行无限便宜的时代，判断、取舍和删除，才是最稀缺的能力。对个人来说，别再用产出数量证明自己，开始训练决策质量；对团队来说，把 Token 当预算，把复杂性当成本。可以留给你一个问题：在你现在负责的系统或项目里，哪一部分最值得被删掉？

关键词： AI工程， Token管理， 删除代码， 工程管理， Stay Sassy

事实核查备注： 需要核查的事实包括：播客标题原句表述；Stay Sassy 为匿名 Substack 博客；提到的年 AI 账单达到数百万级别的具体语境；播客发布时间为 2026-04-13。