当我敏锐地察觉到AI可以进步工作服从之后，我就对AI睁开了一系列的思考。好比思考AI会不会让人的头脑本事退化的《努比亚M153和DeepSeek-Math-V2发布后，我对AI的思考》、思考AI期间下应试教导另有没有须要存在的《盘算机应届生想成为人才，就不要去力扣刷题（文章合集）》、AI是不是先辈生产力，以及为什么AI导致了赋闲的《步伐员发明确AI，为何反被AI革了命？》。我个人非常保举看末了一篇文章，这是最AI最根本的思辨，算是从根上论证了支持AI发展的正当性、公道性。根据这篇文章的逻辑，可以推导出以下结论：
- AI是先辈生产力，之以是如今没有产生新的工作岗位，反而引发了裁人潮，本质上是由于生产关系正处在厘革的开始，生产力想真正突破旧的生产关系的桎梏须要时间。生产关系改变的过程就是长处再分配的过程，等生产关系厘革完毕了，也就镌汰了旧的岗位、诞生了新的岗位。而且技能越先辈，须要的人才反而越多，无论是军事还是AI，抑或是全部财产，都是如许的。这此中的关键就在于AI作为先辈生产力，肯定要国有化，要让先辈生产力变成公有制。
- 一个新技能的出现，在前期肯定会出现资源泡沫，这此中有虚的，但里边也有实心的。无论是用实心的部门否定虚的部门，还是反过来，都不是实事求是的表现。
flowchart TD subgraph OuterCircle [AI的泡沫] direction TB CoreValue((AI实着实在的代价)) end %% 样式设置 style CoreValue fill:#0052CC,stroke:#0052CC,stroke-width:2px,color:#fff style OuterCircle fill:#E3F2FD,stroke:#0288D1,stroke-width:2px,stroke-dasharray: 5 5,color:#0288D1但是就在我写完这篇文章的不久，我发现网上又有从前老生常谈的东西重新出现了：一方面，有些公司里的技能老手在去负责口试的时间，望见前来应聘的人善于AI编程，就会说一句“那我也会用AI编程啊，你的代价体如今那边？我为什么要专门雇你来用AI呢？”；另一方面，有些不具备盘算机科学根本和软件工程专业素质培训的文科生开始在网上抱怨vibe coding（氛围编程）就是个骗局：“AI只能实现一些简单的需求，做出来的东西也只是一个简单的demo，一旦想让它实现复杂的需求，它写出来的代码就会报错。”
这些人的头脑还停顿在提示词工程的阶段，那只是第一代的AI编程，其时间以web对话框为紧张交互界面，想让AI干活只能用海量的提示词共同文件上传功能实现AI编程。IDE内里的AI只能实现tab补全、局部代码推测这种简单的功能。但是如今已经进化到“上下文工程”了，固然也属于提示词的范畴，但是本质上是把提示词扩展到文件巨细，而且是由多个文件共同实现束缚，引导AI精确地干活。最关键的是，提示词和提示词之间亦有差距。好比有一个人在网上曾经对我说过这么一段话：
你大概没写过三四百行的代码，特别是十多个表联查，AI在这方面会有逻辑错误，还得人工去明确内里的表布局关系来改正。
对此我的答复是：
像你如许的人是用不好AI的。起首这十多个表之间是什么关系？这些表分别有哪些字段？字段属性又是什么？有什么束缚条件？数据库是哪个，什么版本？AI又是用的哪一家的什么型号？末了这个项目标业务逻辑是什么，须要你十多个表联查？你看，我一个人类都能问出这么多标题，假如我是AI，我又能交付给你什么质量的代码？
以是，对于那些可以或许完成独立开辟的工程师来说，总有一个幻觉，叫“你用AI编程，那我也会用AI，我为什么还要找你来使唤AI？”
着实否则。会独立开辟的人不愿定会用AI，好比他们不知道有更好用的Agent（智能体）工具、不知道最新的大模子已经进化到了何种水平，乃至像上面谁人人一样，只知道笼统地形貌标题，等等；而善于用AI编程的人肯定会独立开辟，纵然做不到独立开辟，软件工程的专业素养也不会太差，由于AI是输入决定输出的，为了让AI有更好的输出，他肯定得懂得软件工程和盘算机科学相干的根本知识作为输入。
AI替换的是步伐员，而不是软件工程师。我对这句话深以为然。
我在读本科的时间，我们的盘算机系主任给我们开了一门《软件工程》课，讲义上是这么表明软件工程的——
厥后，人们徐徐认识到编写步伐仅是软件开辟过程中的一个环节，在范例的软件开辟工作中，编写步伐所需的工作量只占软件开辟全部工作量的10%~20%。软件开辟工作应包罗需求分析、软件计划和编写步伐等几个阶段，于是形成了“布局化分析”“布局化计划”、面向数据布局的Jackson方法等传统软件开辟方法。20世纪80年代广泛应用了面向对象计划方法。
软件工程是一整个体系。讲义上是这么说的——
软件工程下的紧张内容是软件开辟技能和软件工程管理。
软件开辟技能包罗软件工程方法学、软件工具和软件开辟情况。软件工程管理学包罗软件工程经济学和软件工程管理学。本书只先容有关软件工程管理的内容。
也就是说，步伐员和软件工程师的区别，就在于步伐员只负责实现别人提出的需求，而不思量这里为什么要计划这个功能、这个功能到底有没有须要实现、另有什么功能是没想到的；而软件工程师不但要会软件开辟技能，更懂得软件工程管理，包罗费用管理、职员构造、工程操持管理、软件设置管理等。而此中的工程操持管理，就须要明确软件体系的目标、功能规模等，然后计划办理方案，接着分析可行性，末了订定项目开辟操持。而且软件工程也有需求分析，不外和产物司理的需求分析差别的是，产物司理的需求分析指的是深度发掘用户的需求，而软件工程的需求分析则是在产物司剃头掘的用户需求的根本上，将用户的需求转化成技能指标，好比接口（API）怎么计划、选用什么技能栈（有些产物司理不懂技能，就只能让软件工程师干了）、怎么查抄数据完备性和精确性……
换句话说，步伐员就是软件生产流水线上的螺丝钉，不须要有自己的头脑，只负责实验就完事了，可更换性强；而软件工程师则是一个具有“工匠精力”和主观能动性的团队领导者。
在这里我必须要给“工匠精力”正名。网上总是用日本的那种“xx神仙”的梗来讽刺“工匠精力”，用“米饭神仙”“寿司神仙”等来讽刺工匠精力，这是对工匠精力赤裸裸的歪曲和污蔑。但凡细致研读过官方的宣传稿，就会发现“工匠精力”通常离不开一个词汇——创新精力。创新，才是工匠精力的精力内核。
网上另有人说，“底下的人都是真正办事的，领导啥事也不做，只知道把任务分配给下属，出了事还把责任往下推，显着AI更得今世替领导层才对”。我承认，领导和领导之间亦有差距。领导是把握整个团队的进步方向的脚色，一个领导如果不合格，轻易把整个团队带到沟里去。但正由于领导是把握整个团队的进步方向的脚色，因此领导才须要有远见、要有聪明、要会管理，善于人情调皮。从这方面来说，应试教导的流水线生产出来的木讷的“产物”，只能去当一个步伐员，而无法胜任软件工程师。我看网上有人观察出一个征象——那些月薪过万的步伐员，大部门家景都不太好，导致他们不谙世事，而外界则夸他们“有自己的个性”“特立独行”。但是AI取代的就是步伐员，这也成了他们悲剧故事的根源。AI+呆板人未来会取代领导者吗？从生产关系的角度讲，确实可以，由于老板除了把握生产资料以外，一无全部。但是从“领导”这个脚色自己出发，等什么时间AI可以明确因果关系了、有远见了，它什么时间才气取代领导做出决议。
人的意识从实践中得来，从劳动中得来，从改造天下的过程中总结而来。因此步伐员若想进化到软件工程师，也必须从实践中、从劳动中、从办理实际的用户需求中发展。落实到具体的方法论，就是氛围编程。如今AI取代了那10%~20%的开辟工作，但是剩下的那80%以上的软件工程层面的工作无法取代。因此步伐员可以用AI锻炼自己的“大局头脑”，试试自己一个人完成整个软件生命周期。我个人保举接纳最经典的“瀑布模子”，其长处就是全部的工作流程都是次序性的，必须做完前面的才气做背面的，轻易造就对软件工程的成体系认知。且为了包管质量，每个阶段都要完成规定的文档，而且每个阶段都要对已完成的文档举行复审。这些文档就是AI最好的上下文，天然而然地就做到了“上下文工程”。
对于步伐员来说，软件开辟技能不是标题，有标题标是技能选型、确定软件功能、规划开辟操持等环节。因此起首须要观察用户有哪些没有办理的需求，像番茄时钟、待办软件这些就别做了，苹果应用市肆内里满是这些东西，不缺你一个。不妨观察一下同事们有哪些工作是可以用软件办理的重复性工作，这才是从实践中总结履历。然后像产物司理一样发掘用户需求，根据这些需求确定体系功能，并评估这些功能能不能实现、有没有须要实现，然后写《产物需求文档》。这里我保举《各人都是产物司理》系列丛书，产物司理和开辟职员须要沟通、相互体谅，产物司理须要体谅永世都有改不完的bug和无法实现需求的怨气，开辟职员也要体谅产物司理绞尽脑汁发掘用户需求的头疼。如今有了AI，“各人都是产物司理”也不再是遥不可及的神话。
当你借助AI完备跑通了这一整个软件生命周期，我信任你也就对软件工程有了真正意义上的体系性明确，同时也对产物计划方法论有了自己的独到见解。在AI期间下，这才是真正的护城河。此时，你既可以转行去当产物司理，也可以额外学习曾仕强传授的“中国式管理”，准备提升真正的软件工程师，去领导一个软件开辟团队。
从前的软件是一个非常稀缺的商品，由于生产这个商品的“技能人”都有着很强的专业本事，每一个都有着发明全新的体系内核大概编程语言的本事。而这些人的时间和精力都是有限的，产能天然也是有限的，再加上其时硬件非常昂贵，科技没有惠及千家万户。
厥后人们在多年的开辟履历中总结了一整套履历，也就是本日的软件工程。今后，软件开辟开始向工程化、尺度化发展，开辟软件的人也由个人开辟者向贸易公司变化，生产过程变成了集群化生产。这就是软件开辟行业从手工业向工业化发展的汗青过程。
但是如今有了AI，任意某个人都能用AI氛围编程出一个样品（demo），实现了某个小需求，然后给各人用，大概自用。这外貌上看上去好像是逆工业化、逆商品化，违背经济发展规律，好像软件开辟行业重新回到了“小农经济”模式。但我望见的，是从前没有AI的传统开辟流程不但没有满足大部门人的需求，反而把这些海量的需求掩埋了。而在AI的刺激下，大浪淘沙，这些需求“重现天日”而已。潮水退去，方知谁在裸泳，可如今是涨潮，固然有人趁此时机乘虚而入，但更多的还是满足了非专业人士对软件的需求。从前业务和技能之间有着巨大的鸿沟，业务不懂技能，而技能有劲没处使，如今AI填平了这个鸿沟。这恰恰是生产关系正在发生重塑，长处正在重新分配的过程。这个过程，如今才刚刚开始呢。
有的人又要说了，“如今的AI只能复现大概率的东西，无法满足个性化需求。”“如今的AI还是太傻了，我让它往东，它偏往西，气死我了。”“中国的大模子比不外美国的大模子，你用一次就知道了。”
但是Trae（字节跳动旗下的AI IDE）团队却不如许以为。前两天他们发布了《2026 企业级AI编程实践手册》，在《1.1Context Engineering — 真正的护城河》章节中，他们明确阐明，
在AI编程中，模子本事趋同，真正拉开差距的是上下文工程本事。就像人类开辟者须要明确业务配景、技能架构和汗青决议才气写出好代码，AI同样依靠高质量的上下文来天生符合企业实际的代码。
Context Engineering不是简单地“把代码扔给AI”，而是一套体系化的方法：怎样辨认关键信息、怎样布局化地构造项目级和模块级的上下文、怎样在有限的token窗口内精准转达最相干的信息，以及随着项目发展怎样一连优化这些上下文。这是企业AI编程的护城河——它无法被模子升级替换，只能通过一连实践积累。
大模子自己的本事确实是影响落地场景的因素之一，但是现阶段中国的大模子和美国的大模子的差距已经压缩到3个月以内了，如许的差距已经表现不出什么了。那些嘴上说着“美国的大模子好，中国的大模子差”的人，本质上就是崇洋媚外的香蕉人，只是他们本人不乐意承认罢了，因此硬要把他们的主观感受给偷换成客观究竟，如许他们就能标榜他们对AI有着“真知灼见”了。但是他们的错误在于，他们把别人都当成傻子，以为别人看不出他们的小九九。
如今人们对AI的态度是焦急的，在明知道这是期间红利的发展海潮下，没人乐意被期间镌汰。但是，需求决定供给，科技要以人为本，这才是实事求是。应该用技能去满足需求，而不是反过来，否则就陷入唯生产力论的反动谬误中了。
|
发表于 2026-3-23 10:57:38