AI 狂飙，码农挨刀

这波 AI 狂潮，已经不太像一轮普通的技术升级。它越来越像一场熟悉的群众运动，只不过这次放出来的不是钢产量，也不是亩产万斤，而是 PR 数、token 消耗、自动生成的 skill、满天飞的 demo，以及截图里极其繁荣的“个人生产力”。

尤其是最近大厂内部的气氛，看上去越来越像一次技术版的大跃进。所有人都在冲，所有人都要表态，所有人都在报喜，所有人都相信新范式已经来了。你要是还在冷静讨论边界、成本、质量、人才培养和长期可持续性，多少会显得有点不识时务，像个站在炼钢炉旁边问“这铁到底能不能用”的人。

当然，两者不是一个量级的历史事件，不能乱做道德等价。但那股味道，确实越来越像。

问题在于，这次它还真有一部分是对的。

我为什么改口

其实不算特别早被说服。2025 年 3 月和 9 月，都认真 evaluate 过 AI coding，当时的结论都差不多：写点 snippet 可以，一旦跨文件、复杂度稍微上来，基本就 gg。

真正让人改观的是去年年底先后用到 Gemini 3 和 Claude Opus 4.5。Gemini 3 让人感受到 AI 的进化，Claude Opus 4.5 则第一次明确证明，agentic coding 跨过了那道鸿沟。不是那种“帮你补两行样板代码”的跨越，也不是“周末做个小猫补光灯”那种跨越，而是真能开始承担生产任务、进入工程反馈回路、持续交付结果的跨越。

后来简单通读了 Chip 的 AI engineering，也顺手读了不少 Anthropic 和 OpenAI 自己发的文章、帖子和案例。越看越觉得，这不是模型又会背几道题这么简单，而是整套工作流开始变了。

再往后，就开始高强度做 agentic coding。结果非常直接，也非常不讲武德。以前估计要三周才能做完的一批 UI 组件，有一天就做完。三个月里提了四百多个 PR，落了七万多行实际在生产里跑的代码。

更夸张的是，今年几乎没手写过一行 code。这里面当然不全是一个字一个字敲出来的，但那已经不重要。重要的是，代码真的进了仓，feature 真的上线，系统也真的在跑。

一个人，五个人的产能

更夸张的是工作方式本身也变了。以前人基本只能单线程生活，写代码就是写代码，做方案就是做方案，写帖子就是写帖子。现在不是。

现在的常态是同时开四五个 Claude Code 或 Codex 窗口，一个在跑 production UI code 的 agentic loop，一两个在搞 infra code，一个做 research 写 design doc，还有一个在帮我起草 sales post。你会突然获得一种极其危险的幻觉：原来一个人真可以干五个人的活。

而且这不是幻觉，至少短期内不是。

生产率的提升是真实的，甚至可以说是粗暴的。很多过去卡在人手、上下文切换和机械劳动上的工作，现在直接被压扁。你不再需要把大量时间花在“从零搭架子”这件事上。反馈回路一旦跑起来，速度会快得吓人。尤其是软件行业，天生就是最适合被 agentic loop 改造的地方，因为代码的反馈回路太短。你写，跑，测，改，再跑。失败成本低，验证速度快，结果又高度数字化。换句话说，整个行业从基础设施层面就在等这种东西成熟。

为什么先倒霉的是程序员

所以现在越来越觉得，程序员这个行业，居然会成为最早被大规模替代的白领工种之一。很多人以前想象的是卡车司机、客服、内容审核、流水线文员先出事，结果现在看起来，最先被正面爆破的，反而是天天在网上讨论 AI 的这帮人自己。天天在群里高谈 AGI、AISDK、agents、evals，最后先被优化掉的也是这批人，这事本身就够黑色幽默了。

这事听起来很讽刺，但逻辑上完全说得通。凡是反馈回路短、评价标准相对明确、工作产物完全数字化的行业，都跑不了。代码只是第一个特别典型的例子。

软件开发不仅可以被 AI 辅助，而且非常适合被 AI 主导。agentic feedback loop 一旦成型，岗位被压缩几乎是必然的。不是因为 AI 已经“像人一样聪明”，而是因为很多公司根本不需要它像人一样聪明，只需要它足够便宜、足够快、足够稳定地干掉一大批原本由人完成的中间层工作。

狂热、繁荣、裁员

最近看到 Meta 内部那种全员 AI 狂潮，就更有这种感觉。人人都在写代码，人人都在写 skill，人人都在展示自己又搓了什么工具出来。从码农到设计，甚至 VP 都亲自下场写东西。整个公司像是突然进入一种“全民编程、全民自动化、全民智能体”的运动状态。

甚至 Zuck 自己都写了几百行 Jetpack Compose，引来上千人围观留言，仿佛皇上也下地扶了两把犁。气氛大概就是这样：上面亲自写两行，下面立刻万行竞赛，朋友圈和内网同时进入技术会战模式。

这种状态当然会带来真实提升。PR 数量暴涨，部分团队的交付速度也确实起来了。但问题在于，暴涨不等于均匀提升，更不等于创造等量的真实价值。

很多人花大量时间在写 skill、搭 workflow、微调自己的 agent loop，最后 landed 的实质 feature 并没有想象中那么多。更荒唐的是，很多时候大家比的不是谁把东西做成了，而是谁 token 烧得更猛。光看内部晒出来的用量和截图，动不动就是几十亿、上百亿，仿佛 token 用量本身就是军功章。

这就和很多运动式创新一样，热闹是真热闹，产出也不是没有，但中间夹杂着大量自我加速、自我宣传、自我证明的成分。看着像是代码写了十万行，仔细一翻，大半是 markdown、prompt、plan、retro 和使用说明，真正落到 prod 的东西没几块砖。到最后，卫星是放上去了，亩产有没有万斤，最好先别细问。

但残酷的是，哪怕其中只有一半是真的，也已经足够改变劳动力市场。

因为企业不会等到技术百分之百完美才裁人。企业只要发现，原来二十个人的活现在十个人外加一堆 agent 就能顶住，它就会直接按新的组织方式重算 headcount。最近外部市场上也已经能闻到这个味道。intern 越来越少，入门级岗位肉眼可见地萎缩，新人 pipeline 基本没人关心。

长期来看，这当然是个问题，因为没有新人就没有未来的 senior；但中短期里，绝大多数公司根本不会 care。财报周期比人才培养周期短得多，能省的 HC 先省了再说。

所以对“入门程序员会不会完蛋”这件事，其实没什么浪漫幻想。中短期看，基本就是完蛋。至少，传统意义上那种“先做几年初级开发，慢慢熟悉工程系统，然后逐步成长”的路径，会被压得非常厉害。公司不会愿意花成本让新人在真实环境里边学边试，因为现在它可以让一个更资深的人带着几个 agent 直接把活做完。

换句话说，这一轮最不值钱的，可能就是慢慢培养人这件事。先把数字做上去，先把喜报贴出来，至于几年后的梯队是不是断了，像极了那种留给下一任解决的问题。

不会写代码的人，不会自动升级

但也不认为结论会简单到“以后谁都不用学写代码了”。恰恰相反，到现在仍然不信一个从来没手写过代码、没手搓过项目、没吃过线上事故的人，能直接上来指挥 AI 写 production code。做个小猫补光灯、自动发推脚本、深夜情绪陪聊网页，当然可以，毕竟这些东西的共同特点就是挂了也没什么人 care；但 production 不是这么回事。

这种说法现在很流行，因为它听上去民主、平权、去门槛，像是技术版的土地改革，仿佛人人都能做架构师了。

可真实世界不是 prompt 一下就自动升维。你没有工程判断，没有系统感，没有对边界条件、抽象层次、依赖关系、测试策略、回滚风险的基本感觉，就很难真驾驭这些工具。你最多是在拿一台高功率老虎机撞运气。它可能偶尔也能吐出能跑的东西，但离稳定地产出生产价值还差得很远。

所以更准确的说法不是“不会写代码的人也能取代程序员”，而是“会写代码的人可以借助 AI，极大地压缩原本需要的程序员数量”。这两句话差别非常大。前者是神话，后者是现实。现实通常没那么性感，但裁员的时候更有效。

新工种，也是新苦役

这也是为什么最近越来越觉得，真正开始形成的新工种，不是所谓的“人人都是程序员”，而更像某种还在早期阶段的 harness engineering。你要会搭反馈回路，会设计约束，会拆任务，会看中间产物，会在模型犯蠢的时候快速纠偏，会给系统喂上下文，也会判断什么时候该停下来自己接管。这和传统编程当然有连续性，但已经不是同一份工作了。它更像是把工程、产品、运维、审校、管理揉成一团，再通过模型把执行面放大。

问题是，这种工作模式的代价也非常明显。这种损耗，自己也吃得很实在。虽然效率高得惊人，但损耗也非常大。以前一周工作不到四十小时，现在经常六十多个小时。因为你不是只在做一件事，你是在同时维持多个半自动系统的运转。

它们看上去都在替你工作，实际上每一个都在持续向你索取注意力。Attention is all you need，这话放到今天，听着更像是在说人。你需要不断切换上下文，不断做判断，不断接管临界点，不断决定什么时候放手，什么时候收手。

更麻烦的是，工作时长变长，人也更累，连创造的乐趣都被剥掉一层。以前写代码多少还有点手感，有点“这个东西是我做出来的”的快感。现在很多时间都花在 plan 和 review 上，像个全天候值班的包工头。AI 在前面埋头干活，你在后面看图纸、盯进度、做验收。效率当然高，但快乐很难说。

于是你会得到一个很荒谬的局面：AI 明明是来提升生产率、解放劳动者的，但第一批最积极使用它的人，往往先把自己干成高频调度员。表面上看像是一个人干了五个人的活，实际上也可能只是把五个人的认知负荷临时压缩进了一个人的工作日里。游泳是游得更快了，但裤衩有点跟不上。短期很爽，长期大概率不可持续。

这也是我拿“大跃进”来做比喻的另一个原因。不是说结局一定会一模一样，而是说这种运动式推进天然会制造一种集体高估。高估技术成熟度，高估组织吸收能力，高估个人负荷承受能力，也高估那些漂亮指标最终能转化成多少长期价值。

今天你看到的是 PR 数暴涨、AI 活跃用户暴涨、各路 demo 满天飞；明天你看到的，可能就是新人断层、岗位腰斩、组织里到处都是没人真正维护清楚的半自动流程。喜报贴得越满，后面收拾烂摊子的人往往越少。

被替掉的人怎么办

但即便如此，还是不打算站到“AI 都是泡沫”那边去。那种说法现在和“AI 无所不能”一样偷懒。真正麻烦的地方恰恰在于，这次不是纯泡沫。它里面有大量泡沫，也有大量真实生产力提升。正因为它不是假的，所以后果才会更硬。

如果非要下一个判断，那就是：大厂里的程序员数量，未来几年大概率会显著下降，腰斩都不算太夸张。先被干掉的会是那些可替代性高、任务边界清楚、又没有形成独特判断力的人。再往后，其他重数字化行业也会陆续跟上。只要 feedback loop 足够短，只要工作流足够标准化，只要成果可以被快速验证，一群人就会失业。代码不过是第一个爆点。

从这个意义上讲，码农居然成为最先被替代的行业，简直有一种黑色幽默。这事总让我想起当年在大连求学时坐开发区五路公交车，不抓紧把手，司机一脚油门，人就起飞。现在这辆车越开越快，车上的人自己都站不稳，更别提现在还想上车的一众 new grad。

当然，最后未必是“程序员消失”。更可能的情况是，行业结构被彻底改写。少量更强的人，带着更强的工具，完成过去大团队才能完成的事情；大量原本作为训练梯队和执行层存在的人，被挤出主航道。

对个人来说，这不是一个“要不要拥抱 AI”的问题，因为你根本没得选。真正的问题是，你能不能尽快从一个纯执行型码农，转成一个能设计反馈回路、能判断质量、能把 AI 变成杠杆的人。

至于已经被挤下船的人该怎么办，现在也没有什么漂亮答案。继续假装这波不会影响自己，大概是最差的选项。

比较现实的路可能只有几条：要么往更强的工程判断和系统能力上走，去做那些不能只靠堆 token 解决的事；要么往具体业务里扎，别只做一个抽象意义上的“会写 CRUD 的人”；再不然，就接受编程正在从手艺变成调度，尽快学会怎么 harness 这些系统，而不是跟它们赌气。

说得难听一点，未来可能不是“会不会写代码”决定你有没有饭吃，而是“你能不能让一堆不太稳定的 AI 给你打工”。

至于这是不是好事，现在还真说不上来。

只知道，放卫星的人越来越多，食堂里的饭，可能很快就没那么够吃。