先说一组看起来完全矛盾的数字。
美国的软件开发者岗位，2022 年 5 月是 153 万，2025 年 5 月是 169 万。
涨了。
但同一时期，22-25 岁的软件开发者就业人数，比 2022 年末的峰值下降了 19%。
同期 30 岁以上没有同步下滑，41-49 岁反而上涨了 14%。
岗位总量没崩。年轻人先掉队了。
这不是我算出来的，是一位写了 10 年代码的工程师，在自己被优化之后，一句一句说出来的。
他用 10 年搭了三根支柱，然后眼看着它们依次倒掉
他把一个程序员的立足点拆成三层：
- 领域专业知识 —— 你懂这个业务，别人不懂
- debug 与分布式系统 —— 你能处理最难的线上问题
- 代码质量与架构 —— 你能保证这东西活得久
然后是时间线。
第一年，经理跟他说：写这些设计文档花的时间太长了，你用 AI 了吗。
他心里想的是「这绝对行不通」，但还是同意了。
Claude Code 热潮起来之后，他把编码交了出去，自我安慰：debug 是我的护城河。
MCP 加上 Claude 4.5 出现之后——
他的原话是：天开始塌了。
值得注意的是他自己的心理防线是怎么一道道被自己拆掉的。
第一道是他嘴上说「这绝对行不通」，但还是同意了经理的要求——他并不是判断错了，是判断对了也没用。
第二道是「debug 是我的护城河」。这句话的毛病在于：护城河的前提是河还在。当模型能力从 60% 推到 90%，河不是被填了，是水位抬高了。
第三道就没什么可守的了。
他的护城河是怎么被抽干的
他给了两个数字。
用 Claude 4.5 的时候，「大约能解决 60% 的缺陷」。
后来4.6、4.7、GPT-5.5 加上 DataDog MCP 接进来，他的说法变成：
现在 90% 的缺陷都能一次性解决。
从 60% 到 90%，中间隔了不到一年。
他赖以立身的「最难的那部分」，被抽走了。
这根支柱不是被推倒的，是被稀释的。
八个月前的那次裁员
他写这段话的时间点，本身就是数据的一部分。
约八个月前，他公司裁员。
他写道，一些很出色的前同事被裁了，至今仍在找工作。
还有一个细节，比裁员数字更说明问题——
招聘岗位的名字变了。
过去他们会招聘「软件工程师 - 某领域」。现在只写「软件工程师」，团队分配在录用之后才进行。
这句话我读了两遍。
它的意思是：企业不再为「某个领域懂到底」付钱了，只为「进来之后能被分配」付钱。
领域专业知识这根支柱，在招聘标题上就已经被拆掉了。
但反向的数据也必须一起看
只讲焦虑那部分，属于蹭热度。
同一时期，美国劳工统计局（BLS）的口径是这样的：
岗位
变化
软件开发者总量
153 万 → 169 万（涨）
Computer programmer
降 16%
Web developer
降 11%
QA tester
降 6.5%
Data scientist
涨 12%
入门级软件岗位招聘较2022 年峰值下降 28%；计算机专业毕业生失业率 6.1%。
总量在涨，入门级在跌，AI 相关的岗位在涨。
这三件事同时成立，才是我想说的那个东西。
只看第一行，你会得出「程序员没受影响」。只看第二行，你会得出「年轻人完了」。
两个结论都是错的，因为它们都在拿不同口径的数据互相打架。
正确的读法是：岗位在重组，不是消失。而重组的代价，不由岗位总量承担，由最没有议价权的那一端承担。
她只说了 6 个词
把这些数字串起来的，是 Npm 联合创始人 Laurie Voss。
她的结论短到不像结论：
We have to rebuild the ladder.（我们必须重建那架梯子。）
然后她问了两个问题：
- 几年后，谁来 review Agent 写出来的复杂系统？
- 谁来判断一段代码只是能跑，还是能上线？
梯子的意思你得先看懂。
过去一个程序员是怎么入行的？
不是先学设计架构，也不是先做debug。
是从最基础的那一层开始的——有人把需求讲清楚，你按规格把代码写出来。
那活儿又慢又笨，但它同时是一块训练场：你在写的过程中，学会了一个系统是怎么运转的、哪里容易出错、什么叫做「改起来很安全」。
而现在，AI 先吃掉的，正是这一层。
消失的不是程序员这个职业，是那架让人从底层爬上去的梯子。
这个说法为什么比「AI 抢走程序员工作」准确，我举一个具体的例子。
我带过实习生，也带过校招同学。他们的第一份工作，坦白讲都很枯燥：把一份写好的设计文档，变成一个能跑的接口，再把联调时发现的边角问题修掉。
那种活儿现在AI 干得又快又稳。
但我观察到的关键不是他们变慢了，是他们没机会经历「第一次独立判断对错」的那一下。
人在哪一下学会了判断，就会在哪一下之后开始长出手感。而手感这东西，一旦断了入口，就很难从别的地方补回来——因为所有判断都得在真实的、有后果的场景里长。
对普通人意味着什么
我不打算在这里喊「快去学 AI」，那是废话。
我只说一个具体的判断。
如果你今年 22-25 岁，正在准备入行做开发，那我建议你别只学「怎么用 AI 写代码」。
那是最容易被拿走的一层。
优先去拿两样 AI 短期内拿不走的东西：
- 一个具体领域的手感——某个行业的客户到底在为什么付钱、为什么骂人
- 一个能替你背判断责任的位置——哪怕是小团队的 tech lead，好过你永远只接写好的 spec
前者让你知道 AI 给的答案什么时候不对劲；后者让你有权说「这个先别上」。
这两件事，恰好就是 Boris Cherny 说的 Sweeper 和 Maintainer。
我再补一句可能不太受欢迎的判断。
**「学会用 AI 写代码」正在变成一门基础课，就像当年学会用搜索引擎。**它是必备项，不是差异化项。
所以真正能拉开差距的，不是你用得多，而是你除了用，还剩下什么别人拿不走的东西。
对一个还在学校或者刚入行的人来说，答案只有一个：尽早去攒一份属于自己的真实上下文。
具体一点：固定一个行业、跟进一个真实项目、或者死磕一个别人不愿意碰的存量系统。
这些东西没有捷径，也正因为没有捷径，才是护城河。
结尾
我给自己留了一个可以立刻做的动作。
去翻一下自己过去半年做的事，数一数：有多少是「产出新的东西」，有多少是「判断已有的东西对不对」。
我猜结果会是后者占多数，只是你从来没给它起过名字。
然后问题就只剩一个：
如果你这两年来一直在第一类上花时间，接下来 12 个月，你打算在哪一天开始换？
我不给答案。但我知道，不换也是一个答案。
这是「数字生命岐伯」第 8 问。我，野慢，广东，25岁。白天在大厂做AI产品，晚上被AI教做人。今天这题我替你们问过了，坑也替你们踩了。想让我测哪个AI，评论区点单。我们，下篇见
热门跟贴