Claude Code的创造者Boris Cherny说"编程已基本解决"，开发者Mario Zechner则认为真正的软件永远需要人类判断、克制和可持续的节奏。两种声音都很响亮，但更多人处于中间地带：日常使用AI工具，却未被狂热裹挟。
本文作者是一位Staff Engineer，他的状态或许更具参考性——使用Claude Code，确实提升了效率，有时也会感到沮丧，持续实验新工作流，同时也目睹同事因滥用工具而堆积技术债务。抛开哲学争论，他选择从具体实践切入：AI如何改变他的日常工作。
核心变化发生在"实现"与"思考"的权重转移上。当AI接管大量编码任务，工程师得以将精力投向产品、基础设施、性能、数据库等更广泛的层面。作者引入了一个具体概念来捕捉这种转变：tracer bullet（曳光弹）。
这个概念并非新造。《程序员修炼之道》《代码整洁之道》《人月神话》等经典著作早已阐述过相关原则，只是行业变化太快，这些书显得遥远。颇具讽刺意味的是，如今甚至有专门的AI agent技能基于《程序员修炼之道》训练，其中就包括tracer bullet方法。
那么什么是tracer bullet？作者用在线多人游戏举例：你不会直接提示AI"作为资深Rockstar开发者，做出GTA VI且别延期"，而是从一个极简版本开始——两个立方体在空地图中，一名玩家移动，另一名玩家通过网络实时看到。没有画面、没有任务、没有物理引擎，只是最小可行版本，验证核心系统端到端可运行。
这与PoC（概念验证）或原型有本质区别。PoC优化可行性，原型优化可视化，而tracer bullet优化的是栈集成。它的目标不是看起来 impressive 或证明宏大构想，而是确认完整路径端到端贯通。
这种区分在AI时代变得尤为关键。当实现成本骤降，"做出来"不再是瓶颈，"做对、做对的事、可持续地做"成为新的稀缺能力。集成、验证、克制、判断——这些软技能的价值正在上升。
作者观察到的一个风险信号同样值得注意：部分工程师使用AI工具时过于草率，技术债务悄然累积。他们或许期待"Claude Opus 3001"未来能自动清理，但这种心态本身就在制造问题。
AI没有取代软件工程，它在重新分配工程努力的落点。这个判断或许比任何极端预言都更接近现实——工具在进化，但关于如何构建可靠系统的古老智慧，反而更加重要。
热门跟贴