我們還要招應屆大學生嗎？在AI和老司機的雙重夾擊下，新程序員的出路在哪里？—— 用對工具、主動出擊、找對師傅。

窗口正在關閉

最近和幾位技術圈的朋友聊天，聊到一個讓所有人都沉默的問題：

“我們還要招應屆大學生嗎？”

沒人能回答。不是不想回答，是不敢回答。

AI 不是在“輔助”程序員，而是在。

這不是某個公司的問題，這是整個行業的結構性重組。

成長階梯的第一級，被抽掉了

以前程序員的成長路徑很清晰：

寫代碼 → 踩坑 → 積累經驗 → 理解架構 → 做技術決策

這條路走了幾十年，培養了無數人。但現在出了個致命問題：前面的臺階被 AI 接管了。

Redis 作者 Antirez 最近說了一句話：

“Programming is now automatic，vision is not（yet）。” 編程自動化了，但判斷力還沒有。

問題是：判斷力恰恰是需要通過編程/開發積累的。

你得自己寫過爛代碼，才知道什么是好代碼。你得自己踩過坑，才知道坑在哪里。你得自己做過錯誤的架構決策，才能學會做正確的決策。

Vibe Coding 怎么翻譯？“氛圍編碼”是個奇爛的翻譯。我覺得應該叫“寫意編碼”或者“直覺編碼”——核心能力是什么？是在領域中摸爬滾打多年，積累出的那種“直覺”。

現在 AI 把“寫代碼”，甚至是架構決策這一步都接管了，新人還怎么培養直覺？

那段對話里最扎心的一句話是：

“行業經驗不足的人，已經沒有機會再有行業經驗了。”

還有一個更殘酷的事實：每個程序員都在用 AI，但所有人一起用的結果，是所有人一起貶值。

這是一個經典的囚徒困境。或者說，紅皇后效應：你必須不停奔跑，才能留在原地。

假如 1 個程序員 + AI 產出翻 10 倍。但市場需求并沒有漲 10 倍 ——

結果是什么？行業需要的程序員數量斷崖式下降。

這就像有人把 “葵花寶典” 公開了——人人都能練，人人都在練。練完之后發現，江湖上的位置并沒有變多，只是競爭變得更卷了。

更諷刺的是：你不練，別人練，你就出局；你練了，大家都練，一起卷。

個體理性，導致集體困境。

AI 是乘法器，不是加法器

年輕人可能會想：那我用 AI 不就能追上老程序員了嗎？

想多了。

AI 是乘法器，不是加法器。

?10 年經驗 × AI = 碾壓級輸出?1 年經驗 × AI = 還是菜，只是菜得更快了

老馮最近一個月日均 3800 行代碼——對于數據庫這種領域，以前我每天穩定產出兩三百行有效代碼，已經很不錯了。現在呢？翻了十倍不止。

ClawdBot 的作者更離譜，日均 3 萬行代碼。

這和普通程序員已經不是差距了。這是人猿相揖別。

代碼行數當然不是衡量價值的好指標 —— 但它至少說明了一件事：執行層的瓶頸被徹底打開了。 以前你有再好的想法，實現速度也被實現的速度限制住；現在，限制你的只剩下判斷力和架構能力。

就算 AI 的產出質量不如單個頂級程序員，但它能夠以十幾倍的人類思考速度并行運作， 并且只要人類程序員幾十分之一的成本，這就足以改變一切。

老師傅的短暫窗口紅利期

這波 AI 浪潮，對老司機是有利的。

為什么？

第一，經驗杠桿被放大了。

AI 能幫你寫代碼，但不能幫你決定寫什么代碼。你得知道：這個需求該不該做？做的話架構怎么設計？有哪些坑要避開？什么方案是“好”的？

這些全是經驗。AI 把執行成本降到接近零，但決策的價值反而凸顯了。

第二，領域知識成了護城河。

連接池怎么死、HA（高可用）怎么炸、線上回滾怎么救火、數據怎么保命——這些東西在訓練數據里是稀疏的，在生產里是致命的。懂的人更值錢，不懂的人更危險。

但這也只是暫時的——葵花寶典人人練，更強的人比你還卷。

第三，老師傅可以“自我 Agent 化”。

頂級程序員現在在做的事情是：把多年的經驗、判斷、決策模式沉淀成系統/工具/框架，用 AI 作為執行層，批量輸出。

高情商的說法是，一個人開創一個賽道；更直白的說法是，一個人干掉一個行業。

以前資深 DBA 帶團隊，手把手教，一年能帶出 2-3 個能用的人。現在資深 DBA 把經驗沉淀成自動化系統和 DBA Agent， 新人直接用，跳過“從零踩坑”的階段。中間層被擠壓了。只剩下“造輪子的人”和“用輪子的人”。

領域知識，正在成為行業頂級程序員批量自我復制、屠版全行業的大規模殺傷性武器。在人人爭做 AI 降臨派的當下，沒有誰的飯碗是牢不可破的。

開源的門，換了一扇

有人可能會說：給錢讓我刷經驗值的地方沒了，那我去參與開源項目打白工，倒貼積累經驗總行吧？

別的行業對這種事可能不陌生——一些護理專業的畢業生甚至要倒貼錢買工作，去三甲醫院刷履歷。程序員以前沒這么慘，開源社區是免費的公共練兵場。

但現在，開源社區的游戲規則變了。

越來越多的開源項目開始明確拒絕“AI Slop”—— 那些用 AI 批量生成的低質量 PR。

為什么？因為維護者自己也會用 AI 了。

當維護者可以直接 Vibe Coding 出所有實現，還要外部 PR 干嘛？開源項目的維護者本來就不堪重負， 現在又多了一堆 AI 生成的垃圾 PR 要處理。反應是什么？提高門檻，變得更加挑剔。

以前“參與開源”是積累經驗、建立聲譽的好路子。現在這條路也在變窄。

年輕人的處境：優勢與劣勢

說了這么多，年輕程序員現在到底面臨什么？

劣勢很明顯：

?沒有跑道了。大廠縮招，小廠沒余糧，中廠自身難保。?1 萬小時定律沒消失，但積累的入口變少了。競爭的是新時代的 1 萬小時，但連入口都找不到。?容易被 AI 的“虛假賦能”迷惑。用 AI 寫了幾個項目，以為自己很強了，其實只是在表面的繁榮里沖昏頭腦，根本沒觸碰到深層的東西。

但優勢也同樣顯著：

?沒有歷史包袱帶來的認知靈活性：年輕人不用 unlearn 舊的工作方式，接受 AI 新范式更自然，老師傅的過時經驗有時候反而是負擔。?時間套利，少走彎路：老司機們的判斷力是用十年踩坑換來的。年輕人沒有十年，但可以用 AI 直接獲取“該踩什么坑”的元知識，學習條件要好太多了。?時間成本/機會成本低：相比老師傅，有更多的機會去探索與試錯。

開放問題：判斷力與直覺能被“模擬”嗎？

這里有一個反直覺的可能性，值得認真思考：“踩坑”也許不是獲得判斷力的唯一路徑。

傳統成長模式是：寫代碼 → 踩坑 → 痛 → 學到教訓。十年下來，判斷力長在骨頭里。

但如果你從一開始就把 AI 當成思維伙伴——讓它解釋每個決策背后的原因，模擬每種失敗場景，扮演嚴苛的 code reviewer——你獲得判斷力的路徑可能和老司機們完全不同。

這有點像飛行員訓練：真正的空難不可能靠“親身體驗”來學習，但飛行模擬器可以讓你在安全環境里經歷上千種極端場景。AI 可能就是程序員的飛行模擬器。

但這條路還沒有被充分驗證。

我們不知道“模擬踩坑”能不能真正替代“真實踩坑”。我們不知道 AI 輔助建立的判斷力，在真正的生產環境壓力下能不能扛住。 我們甚至不知道這種新型判斷力長什么樣——它可能和老一代程序員們的判斷力完全不同，但同樣有效；也可能只是看起來像，實際上一碰就碎。

這是一個開放問題。

但如果你是新入行的年輕人，這可能是你唯一的彎道超車機會。老登們的路你沒法走了 —— 沒有十年讓你慢慢踩坑，你只能賭這條新路能走通。

好消息是：就算這條路最后被證明走不通，你在探索過程中積累的 AI 協作能力、快速學習能力、系統性思考能力，本身也是有價值的。

破局策略

大門在關上，但窗戶還開著。只是窗戶在變小，而且每天都在繼續變小。

對于那些還想拼一把的年輕人，我的建議是三個：用對工具、主動出擊、找對人。

一、精通 AI 工具，但要用對方式

但重點不是“用 AI 幫我寫代碼”，而是“用 AI 幫我建立判斷力”。

什么意思？讓 AI 給你解釋：

?為什么這樣設計？?有什么替代方案？?各自的 trade-off 是什么？?生產環境會遇到什么坑？

不要只讓 AI 幫你做，要讓 AI教你為什么這樣做。

二、找到你的師父，比 Agent 更有 Agency

還在等公司給你帶薪刷經驗值的機會？別想了。機會要自己創造。你得比Agent更有Agency，才能從Agent和老登的夾擊中殺出來。

AI Agent的特點是：給它一個目標，它會自主規劃、自主執行、自主修正。你作為人，得比AI更有這種能動性——主動找項目、主動找資源、主動找師父，而不是等著別人來安排你。

用麥克盧漢的“淘汰-回收”框架來看：AI淘汰的是什么？是“知識稀缺性”作為價值來源的范式——過去你值錢是因為你知道別人不知道的東西，現在AI什么都知道。

那AI回收的是什么？是“前印刷術”時代的知識傳遞模式：

?通過對話（蘇格拉底式問答）?通過師徒關系（學徒制）?通過口碑和社區（知道誰可信，比知道什么更重要）

印刷術把知識固化成書本，讓知識可以脫離人而存在。這是巨大的進步，但也有代價——我們開始相信“知識在書里”，而不是“知識在人里”。

AI 正在逆轉這個過程。當任何人都能調用無限知識時，“知道什么”貶值了，“是誰”重新值錢。

對年輕人來說：找師父比找知識更重要。

不是那種“大佬帶帶我”的幻想，而是實實在在地：

?找到你想成為的人，研究他們的路徑?參與他們的項目，哪怕從最邊緣的貢獻開始?在社區里建立信譽，讓對的人注意到你?學會提好問題——這本身就是最稀缺的能力

知識民主化了，但信任沒有。誰能建立信任，誰就能破局。

三、押注“不會被掀桌”的東西

說了半天，什么才是年輕人應該學的“真本事”？

什么是真本事？我的答案：軟件工程能力 + 基礎設施知識。

如果非要說具體的東西，我建議：Claude Code（BMAD） + PostgreSQL（Pigsty）

為什么是這兩樣？

軟件工程能力，不是指“會寫代碼”，而是指：怎么把一個模糊的需求變成可執行的方案？怎么設計一個可維護的系統？怎么在 AI 的幫助下構建復雜項目？這是一整套新的工程實踐，和“會用 AI 聊天”是兩回事。

基礎設施知識，是指那些“離金屬近”的東西：操作系統、數據庫、網絡、存儲。這些東西變化慢、護城河深、受 AI 沖擊很小，在訓練數據里稀疏但在生產里致命。AI 應用也好、Agent 也好，最后都得跑在基礎設施上。

什么東西沒有學習價值？流程軟件、SaaS、各種“翻譯層”的活兒、花里胡哨的編程技巧，以及 —— 這些全都會被 AI 掀桌。

寫代碼不重要了。以后可能壓根沒有“程序員”這個職業，只有軟件工程師

窗口正在關閉。這是事實，不用回避。但對于那些愿意拼的人，路沒有斷。

記住三件事：

一、別被 AI 的虛假賦能騙了。AI 放大的是你的能力，不是你的幻覺。但也別被恐慌敘事嚇住——年輕人有年輕人的優勢，關鍵是找到屬于你的路徑。

二、找到能讓你快速積累經驗的杠桿。項目、工具、師父 —— 別什么都自己從零開始，那樣只會被越甩越遠。

三、這個時代的競爭，不是“會不會用 AI”，而是“有沒有值得被 AI 放大的東西”。盡快找到你的 IKIGAI。

時間不多了，行動起來吧。

寫文章不打廣告約等于沒寫。如果你對 PostgreSQL 感興趣，作為 PostgreSQL 老司機，我做的開源發行版Pigsty還是可以幫上忙的 —— 這是一套可以從你的筆記本伸縮到整個數據中心的 PostgreSQL 解決方案。一行命令就能在裸 Linux 上拉起行業頂尖水平的 PG RDS：400+ 擴展，完善的監控、備份、高可用。

Vibe Coding 之父 Andrej Karpathy 說過，他花了一天糊出來一個 APP，但是把它部署折騰上線花了整整一周。 Pigsty 能幫你把一臺光板無毛 Linux 云服務器原地變為完整的 Agent/應用運行時，解決 Vibe 最后一公里問題，而不需要操心數據庫管理運維細節。

https://pigsty.cc

另外，我們有一個 ，關注 PostgreSQL，Pigsty，數據庫，云計算，以及 Vibe Coding。 雖然里面老登居多，但也非常歡迎業內新人加入交流。 619377403