我做了十多年软件开发。过去两年，我开始用AI智能体干活——搭项目脚手架、写样板代码、生成测试、填充那些曾让我耗掉整个下午的琐碎部分。我不会假装它们没有让我更快。事实上，它们确实提升了我的效率，而且是可量化的提升。 但有一个叙事正越来越让我不舒服：资深开发者是昂贵的遗物；一个会写提示词的初级程序员，现在就能完成过去需要多年才能学会的工作；“10倍工程师”就是那个拥有最好Claude订阅的人。 这不是事实。而且我认为，喊得最大声的那些人，大多是从未真正交付过大规模系统、也没见过它崩溃的人。 当人们说AI会取代开发者，他们通常指两件事：AI会写出所有代码，或者AI会做出资深工程师的那些判断。第一件事正在局部发生。第二件事没有发生，而且我认为离发生还很远。 有个关键区分值得重申：写代码和软件工程不是一回事。写代码是产出计算机能执行的文本。软件工程是决定建什么、系统在重压下该如何表现、哪里可以安全失败、以及两年后由没参与最初决策的人接手时如何维护。AI非常擅长前者。它在后者上确实有真实的局限。 GitHub自己的Copilot研究发现，有AI辅助的开发者完成任务的速度快55%——但这项研究衡量的是单个任务的完成时间，不是系统设计，不是凌晨两点排查生产事故，也不是六个月前一个错误架构决策带来的连锁代价。孤立任务上的速度是真实收益。但它不是工作的全部。 系统不只是单个函数——它们是函数、服务和约束之间的交互。AI缺乏理解这些交互所需的完整上下文。而那个缺口恰恰是运维经验真正发挥价值的地方：判断哪个模块会先崩，权衡哪项技术债可以再拖一个季度，在别人都迷茫时找到事故根因。 AI是很好的接线员、草稿员、提炼员。但系统会出错、会超载、会以一种文档里根本写不到的方式互相干扰。处理这些的，不是那个生成速度最快的模型，而是那个曾见过系统崩溃、知道哪里最脆弱的工程师。 所以与其说AI会取代资深开发者，不如说它正在抬高资深开发者的杠杆，同时拉低了纯编码工作的门槛。那些只写代码、不做判断的岗位会面临更大压力。而真正在做工程决策的人，手里多了一套更强悍的工具。 这正是问题的关键：工具变强了，但判断力依然是稀缺品。AI能帮你写出一百种实现方式，但它不知道哪种能扛住明年的流量翻倍。它可以帮你生成测试，但它不知道哪些边界条件下的失败会让公司损失掉一个月的营收。它可以复述架构文档，但它没法替你在凌晨三点接到告警电话时做出那个决定。 技术也许会继续向前。也许某天AI能做的远不止编码。但至少今天，说“AI取代了工程师”的人，混淆了打字的速度和工作本身。
热门跟贴