从打孔卡到云服务器,工具换了一茬又一茬,但编程这件事的内核没变过:把人类脑子里模糊的意图,翻译成机器能执行的无歧义逻辑规则。这个定义听起来朴素,却解释了为什么每一代新工具出现时,总有人说程序员要消失,结果消失的只是某一种手艺。
汇编、高级语言、自然语言,人机沟通的方式一直在往抽象的方向走。门槛在降,但降的是「写代码」这一段的门槛。真正难的部分——想清楚要解决什么问题、把需求拆到什么颗粒度、在几个方案之间做取舍——从来没有因为工具变好而变简单。
AI 带来的变化,是把精确性的实现位置挪了地方。过去靠编译器报错来兜底,语法不对就过不了;现在模型输出带有概率性,同一句提示可能给出不同结果,语法层面的保证让位给了人为定义。需求拆得够不够细、验证做得够不够严,直接决定产出能不能用。
这也是 Vibe Coding 能成立又容易翻车的原因。自然语言本身是模糊的,用模糊的语言去驱动一个概率性的系统,中间那层「精确化」的工作不会凭空消失,只会从敲代码的人手里,转移到定义问题和验收结果的人手里。
于是职业重心开始迁移。单纯把需求翻译成代码的能力,正在被替代;识别真实问题、在方案之间权衡、对最终结果负责,这些能力反而被放大。作者在文中的判断很直接:凋零的是一代代的工具和手艺,留下的是把想法变成现实的能力。
把这段话拆开看,其实给了三条可操作的线索:
- 练「定义」:把一句模糊需求拆成可验证的子问题,比多背几个 API 更抗替代。
- 练「验证」:模型给的结果要能判断对错,验收标准得自己先想清楚。
- 练「担责」:方案取舍有代价,愿意为选择负责的人,才站得住位置。
工具会继续换,语言会继续抽象。程序员的职业精神能不能延续,取决于你把重心放在哪一端——是继续当代码翻译员,还是往定义与决策那头走。
热门跟贴