学一门语言、学一个框架、写几个增删改查应用、然后被录用——这套建议用了很多年。到了2027年，它几乎没用了。增删改查应用AI会写，样板代码AI会写，你本来打算跳过的测试AI也会写。

那还剩下什么留给人做？有6项技能，正在把过得不错的开发者和那些焦虑刷新招聘网站的人区分开来。

1. 问题框定：知道该做什么

AI擅长回答问题，却很不擅长判断哪个问题才重要。软件最难的部分从来不是敲代码，而是搞清楚用户真正需要什么，而不是他们嘴上说想要什么。

AI会很乐意把一个错误的东西做得非常漂亮。判断它是错的，得由你来做。动手之前先写一句话：“做到___就算完成。”这句话写不完，说明还没到开工的时候。

2. 读代码比写代码更快

2027年，你生成的代码会多于你亲手写的代码，瓶颈从写转移到审。能扫完400行AI输出、一眼揪出那处可疑鉴权检查的人，价值是只会点“接受”的人的10倍。

练法很朴素：把读别人的PR当消遣，把AI输出逐行念出来审。“全部接受”是一种坏味道，不是工作流。

3. 调试不是你写的系统

2027年大多数bug，藏在没有人完整记得自己写过的代码里。调试变成了考古：穿过一层层生成代码、第三方服务和AI写的胶水代码去追行为。

这是AI最弱的一项，因为真实调试需要模型从未拥有的上下文——生产日志、那个奇怪的客户、凌晨两点发生的事。把可观测性工具学透：日志、链路、指标；学会二分定位；先复现，再修。

4. 架构与品味

AI能给你一千个都说得通的选项。品味是知道哪一个在六个月后不会变成噩梦。这里该用队列还是定时任务？新开一个服务还是一个函数？AI能把两边都论证一遍，做决定并承担后果的是你。

去研究那些活下来的系统，读事故复盘，对每个要建的东西问一句：“规模涨100倍时，什么会先坏？”

5. 沟通：对人，也对模型

现在一半的工作是书面沟通：清晰的需求、清晰的提示词、清晰的PR描述、清晰的异步更新。提示词本身就是沟通技能——模糊的输入，模糊的输出。团队里写得最清楚的人，正在悄悄变成产出最高的工程师。

写工单时假设读的人零上下文，给模型下提示词也一样。

6. 判断什么时候不该用AI

2027年的资深动作不是什么都用AI，而是知道哪10%不该用：安全关键代码、任何碰钱的东西、以及“大体正确”等于灾难的代码。知道护栏该设在哪里，是一项稀缺技能。

给自己列一份“这类代码我一定亲自审”的清单：鉴权、支付、数据删除、迁移。每被烧一次，就往清单上加一条。

还有几样东西仍被当作重点教，但已经不该过度押注：背语法，AI自动补全；手写样板，几秒生成；“刷题刷到流血”，对基本功仍有用，但被吹成了全部；每月一个新框架，比它更重要的是快速学会任何框架的元技能。这些不是没用，基本功仍然重要，只是它们现在是入场券，不再是区分度。

一句话收尾：2027年，你的价值不在于你能产出代码，而在于你有判断力知道什么值得产出，有眼力看出哪里错了，有品味让它不至于烂掉。工具变强了，思考更值钱了。