Andrej Karpathy和Boris Cherny最近分享了一段深刻的对话，揭示了AI时代工程师角色的根本性转变。
Karpathy坦言，他从未像现在这样感觉自己“落后”于程序员这个职业。整个行业正在经历剧烈重构，程序员贡献的代码变得越来越稀疏和分散。他有一种强烈的预感：如果能把过去一年半涌现的新工具恰当地整合起来，生产力可能提升十倍。
这里有一个关键洞察：AI带来了一个全新的可编程抽象层。除了传统的代码层，现在还要掌握智能体、子智能体、提示词、上下文、记忆、权限、插件、技能、钩子、MCP、LSP斜杠命令、工作流、IDE集成等等。工程师需要建立一套全面的心智模型，既要理解这些工具的优势，也要认清它们的陷阱。
这就像一个强大的外星工具突然出现在我们手中，没有说明书，每个人都在摸索如何操作。与此同时，九级地震正在撼动整个行业。
Boris Cherny的经历更加具体。他发现自己开始习惯性地想“Claude大概能搞定这个”。最近调试一个内存泄漏问题时，他本能地想用老方法：连接分析器、暂停应用、手动检查堆分配。而他的同事直接让Claude生成堆转储，查找不该存在的对象，一个PR就解决了。这种事每周都在发生。
更值得深思的是，新同事和应届生往往能更高效地使用AI模型。原因在于他们没有“遗留记忆”的包袱，不会对模型能做什么、不能做什么抱有过时的假设。而资深工程师需要持续进行心智重校准，去适应模型每一两个月的能力跃升。
Boris上个月的工作状态令人震惊：作为工程师，他整整一个月没打开过IDE，Opus 4.5完成了大约200个PR，每一行代码都是如此。
软件工程正在发生根本性变化。对于早期采用者和实践者来说，最难的部分恰恰是不断重新调整预期。而这一切，仍然只是开始。
有评论一针见血：瓶颈已经从“写代码”转移到了“知道该问什么”。速度不再来自击键，而来自编排。某种意义上，工程师正在变成管理者，只不过管理的对象是AI。
当然也有人提出警示：工程师仍然需要理解代码、检查AI的工作，因为出了问题要负责的是人。还有人担忧，过度依赖AI会削弱工程师的故障排查能力。毕竟，总得有人知道如何在没有打火机的情况下生火。
这场变革的本质或许是：执行力让位于判断力，手速让位于洞察力。真正稀缺的，是知道何时不碰键盘的智慧。
x.com/ethanrow_ai/status/2015756120577683957
热门跟贴