让 AI 一口气写出“读取数据、清洗、统计、画图”的完整程序，看起来很省事。问题是，只要其中一个变量改变，或 AI 在中途编错一步，整套流程就可能垮掉。Nature 作者 Jacques Cornwell 认为，AI 时代仍要学编程，但重点正从记住语法，转向像系统架构师一样思考：先决定要造什么、各部分怎样配合，再指挥 AI 动手。
他给出的具体做法是“模块化”：不要让 AI 生成一个包办所有工作的庞大脚本，而要把任务拆成单一用途的小函数，例如分别负责读取并整理原始数据、标准化数值和生成图表。这样某一步出错时，可以单独定位、检查和修复，不必在几百行代码里找针。
说白了，代码生成越便宜，需求拆解、系统边界——每个模块负责什么、不负责什么——以及验证能力就越值钱。AI 可以快速交付局部代码，人仍要判断方法是否合适，并确认各部分合起来确实回答了原本的问题。