“架构图上每一条线都通，上线之后每一个节点都在报警。”

去年年底，我一个朋友老刘，带一个八人的创业团队做社交产品。

技术选型阶段，他让团队用 AI 出了一版系统架构图。微服务、事件总线、CQRS、读写分离——图上什么都有。

老刘把图发给一个架构师朋友看。对方只说了一句话：

“你们八个人，养不起这套架构。”

老刘没听。他觉得 AI 不会骗人，人家可是”学习了百万级架构案例”的。

我当时就跟他说了三个字：扯淡。

但他不信。人就是这样，不见棺材不掉泪。

三个月后，老刘请我吃饭。

“你知道我们这三个月在干什么吗？”

“写业务代码？”

“不。在搭基础设施。”

服务注册、配置中心、链路追踪、日志聚合、消息队列、API 网关……八个人，三个月，一行用户代码都没写。全在搭 AI 架构图上画的那些框。

横竖都要调用一遍。 AI 画的每一个组件，都是要人去维护的。

2025 年 9 月，36氪发了一篇文章，标题我到现在记得——

“10 倍速度，0 倍理解？AI 代写代码的那些坑。”

文章的核心观点：写代码只是软件开发的一小部分。AI 能在几秒内写出成百上千行代码，但理解代码为什么这么写、和其他模块怎么交互、出了问题怎么排查——这些事 AI 一件都做不了。

架构设计同理。

AI 画架构图的”10 倍速度”，换来的是”0 倍理解”。你的团队拿到了一张漂亮的图，但没有人真正理解每一个组件的存在理由、取舍逻辑和失败模式。

Tony Bai 在博客里把这个叫做“90% 陷阱”：AI 生成代码只要 1 分钟，但你修 Bug 要花 1 小时。放在架构上更夸张——AI 画架构只要 30 秒，但你为这个架构付的运维代价，可能要持续两年。

你问 AI：”设计一个日活 10 万的用户系统。”

它会给你：Kubernetes 集群 + 微服务拆分 + Redis 缓存 + 消息队列 + 分布式数据库 + CDN + 监控告警。

它不会告诉你：日活 10 万，一台 4 核 8G 的 ECS 跑单体应用就够了。

AI 学习的是互联网大厂的技术博客。大厂为什么用微服务？因为他们有 500 个工程师。你有几个？八个。

AI 不懂”够用就好”。它只知道”业界最佳实践”——而最佳实践的潜台词是”最佳预算下的最佳方案”。你的预算不在它的训练数据里。

一张好的架构图，不只是”有什么”，更重要的是”为什么没有别的”。

为什么选 MySQL 不选 PostgreSQL？为什么用同步调用不用异步消息？为什么把用户服务和订单服务拆开了？

这些”为什么”才是架构设计的灵魂。

AI 给你画了一张图，但每一个决策点它都没有解释。因为它不是在”设计”，它是在”拼凑”——把训练数据里见过的组件，按最常见的组合方式摆在一起。

你拿这张图去评审，任何一个有经验的架构师都能把它问穿。

AI 画的架构图上写着”使用 gRPC 做服务间通信”。

你团队八个人，七个只会 HTTP。

AI 画的架构图上写着”用 Kafka 做事件总线”。

你团队没有人运维过 Kafka。

AI 画的架构图上写着”Kubernetes 集群管理”。

你连 Docker Compose 都没用明白。

这不是架构图的问题。是人的问题。 但 AI 不管这些。它画的是一张”理想状态下的架构图”——而你的团队活在现实里。

2026 年 GIAC 大会上有一个关于 Vibe Coding 的分享，里面有一句话我印象很深：

遵循 KISS/YAGNI 原则，优先发布最小可用版本，用真实用户反馈驱动迭代方向，而非在 AI 辅助下过度工程化。

翻译成人话：别被 AI 带着往复杂的方向走。

AI 的默认倾向是”加”——加组件、加分层、加抽象。但好的架构设计，大部分时候是在做”减”——减掉不必要的组件、减掉过早的抽象、减掉团队驾驭不了的技术。

AI 不会帮你做减法。你得自己来。

我不是说 AI 不能参与架构设计。

正确的姿势是：你用 AI 探索方案空间，你自己做决策。

具体怎么做？

第一步：让 AI 出 3 个方案。 简单的、中等的、复杂的。不要让它出一个”最佳方案”——它会直接给你最复杂的那个。

第二步：逐一审视每个方案的运维成本。 多一个组件，就多一个可能挂的东西。多一个中间件，就多一个要学的新技术。

第三步：选你团队能驾驭的最简方案。 不是技术上最先进的，是人能 hold 住的。

老刘后来把架构推倒重做了。微服务砍成单体，Kafka 换成 Redis 队列，K8s 换成 Docker Compose。

上线时间从”遥遥无期”变成了”两周后”。

不对，准确说是十天。因为 Redis 队列的迁移比预想的顺利。

这便是过度设计的代价了。

关于码孖AI

码孖AI，专注 AI 工程化落地。我们相信：AI 不是来替代程序员的，是来帮程序员省时间的——前提是，你得会用。

关注我，持续更新实战踩坑指南。

:::callout tip 觉得有用？ 点个「在看」，分享给同样在 AI 落地路上挣扎的朋友。 :::