2023年還在討論"AI會不會取代程序員"，2024年Codex、Claude Code、Gemini相繼上線，2025年這個問題已經(jīng)沒人問了。不是因為有答案，而是因為答案正在以周為單位刷新。

OpenAI內(nèi)部流傳一套四階段模型，把AI編程的演進路徑切得清清楚楚。第一階段叫"AI輔助"，Copilot那種代碼補全；第二階段"混合協(xié)作"，多個專業(yè)Agent分工；第三階段"自主交付"，人寫需求AI寫代碼；第四階段"AI原生文化"，系統(tǒng)自己迭代自己。這套框架被硅谷多家公司直接拿去當(dāng)轉(zhuǎn)型路線圖，國內(nèi)大廠也在偷偷對標(biāo)。

從"工具"到"同事"：Agent正在搶走什么

第一階段的老玩家最熟悉。Cursor、Windsurf、GitHub Copilot，本質(zhì)上都是高級自動補全。工程師仍是主駕，AI坐副駕，偶爾幫你打轉(zhuǎn)向燈。2022年到2024年初，這是主流形態(tài)，也是大多數(shù)人理解的"AI編程"。

第二階段開始變味。Architect Agent畫架構(gòu)、Coder Agent寫實現(xiàn)、Reviewer Agent查漏洞，人類從"寫代碼"變成"指揮Agent"。OpenAI工程團隊透露，他們內(nèi)部項目已有60%代碼由Agent生成，工程師主要工作是Review和調(diào)Prompt。這個比例在2024年中還是30%。

第三階段是當(dāng)下戰(zhàn)場。High-Level Specification（高層級規(guī)格說明）成為核心交付物，產(chǎn)品經(jīng)理寫幾頁PRD，AI直接出可運行代碼。Anthropic的Claude Code今年3月演示過一個案例：輸入"做一個支持OAuth的登錄頁面"，15分鐘后拿到完整前后端實現(xiàn)，包括測試用例。人類只干了三件事：確認(rèn)需求邊界、驗收業(yè)務(wù)邏輯、簽字部署。

第四階段目前只有理論圖景。系統(tǒng)基于生產(chǎn)反饋自動優(yōu)化，Bug自己修、性能自己調(diào)、功能自己加。聽起來像科幻，但Netflix的混沌工程團隊已經(jīng)在實驗"自愈合微服務(wù)"——AI監(jiān)控異常、定位根因、生成補丁、灰度驗證，全程無人介入。

Spec-Driven Development：新工種正在誕生

AI-Native Engineering倒逼出一種新開發(fā)范式：Spec-Driven Development（規(guī)格驅(qū)動開發(fā)）。傳統(tǒng)流程是需求→設(shè)計→編碼→測試，新流程是規(guī)格→AI生成→人工驗證→持續(xù)迭代。編碼環(huán)節(jié)被壓縮到接近零。

這直接沖擊了兩個群體的飯碗。初級工程師的產(chǎn)出被AI覆蓋，中級工程師的Review工作被AI替代，只有能寫清楚Spec、能判斷業(yè)務(wù)邏輯對錯的人留在牌桌上。某頭部云廠商技術(shù)VP私下透露，他們2024年校招HC砍掉40%，同時社招"AI工程架構(gòu)師"崗位薪資開到P8+級別。

Spec的質(zhì)量決定一切。同樣的需求，菜鳥寫的Spec生成代碼可用率30%，老手寫的可用率90%。差距不在Prompt技巧，在對業(yè)務(wù)邊界的理解、對異常場景的預(yù)判、對系統(tǒng)耦合度的敏感度。這些恰恰是傳統(tǒng)"碼農(nóng)"技能棧的短板。

OpenAI技術(shù)負(fù)責(zé)人Evan Morikawa在內(nèi)部文檔里寫過一句判斷：「未來5年，軟件團隊的規(guī)模會縮小50%，但產(chǎn)出會增長10倍。」這句話沒公開說過，但在硅谷工程師圈子里傳得很廣。

國內(nèi)玩家的真實進度

字節(jié)跳動的Trae、阿里的通義靈碼、百度的文心快碼，目前都卡在第二階段向第三階段過渡。Trae的Multi-Agent模式支持規(guī)劃Agent、編碼Agent、調(diào)試Agent協(xié)作，但人類仍需頻繁介入。一位字節(jié)工程師評價："能用，但離'扔個PRD就出產(chǎn)品'還差兩代模型。"

真正的差距在組織層面。硅谷公司敢把生產(chǎn)權(quán)限放給AI，國內(nèi)大廠還在"AI生成代碼必須人工Review"的紅線前徘徊。不是技術(shù)問題，是追責(zé)機制沒跟上——AI寫的代碼出事故，算誰的？

螞蟻集團今年Q1內(nèi)部試行了一個項目：支付核心鏈路的小需求，由產(chǎn)品經(jīng)理直接提Spec，AI生成代碼，自動化測試通過即上線。試點三個月，需求交付周期從14天降到3天，線上故障率反而下降15%。關(guān)鍵設(shè)計是"回滾權(quán)限比上線權(quán)限更重要"，出任何問題30秒內(nèi)自動回滾，再人工介入。

這個案例被寫進阿里技術(shù)年會材料，標(biāo)題叫《從"寫代碼"到"寫Spec"：一個支付團隊的18個月》。里面有個細(xì)節(jié)：團隊里最值錢的人不再是技術(shù)大牛，而是一個干了8年業(yè)務(wù)的產(chǎn)品經(jīng)理——只有他能把"用戶輸錯密碼3次后凍結(jié)賬戶"這類需求，拆解成AI能理解的邊界條件和異常分支。

還在學(xué)Python的人，可能學(xué)錯了

技術(shù)社區(qū)的焦慮感在蔓延。Stack Overflow 2024開發(fā)者調(diào)查顯示，"擔(dān)心AI取代工作"的比例從2023年的28%飆升到62%。但細(xì)分?jǐn)?shù)據(jù)更有意思：工作5年以下的工程師焦慮度78%，工作10年以上的焦慮度41%。

分水嶺在于技能樹。年輕工程師的核心競爭力是"寫代碼快、框架用得熟"，這些正被AI碾壓。資深工程師的核心競爭力是"定義問題、權(quán)衡取舍、預(yù)判風(fēng)險"，這些AI還做不了。

一個殘酷的對照：2024年硅谷多家公司裁員"傳統(tǒng)全棧工程師"，同時高薪挖"AI產(chǎn)品經(jīng)理"——這個崗位的要求是"能寫代碼看懂技術(shù)邊界，但主要職責(zé)是寫Spec和驗收AI產(chǎn)出"。薪資對標(biāo)Staff Engineer（資深工程師），匯報線卻掛在產(chǎn)品部門。

國內(nèi)某一線基金的投資人最近改了看項目的標(biāo)準(zhǔn)：「以前問'技術(shù)團隊多少人'，現(xiàn)在問'多少需求能由AI端到端交付'。」他投的一家企業(yè)服務(wù)公司，30人團隊服務(wù)2000家客戶，核心壁壘是一套自研的Spec規(guī)范——客戶填表單，AI生成定制化SaaS，人工只處理邊界Case。

這套模式跑通后，他們客單價降到傳統(tǒng)廠商的1/5，續(xù)約率反而更高。因為交付快、改需求快，客戶爽了。代價是團隊里沒有"程序員"這個title，只有"Spec工程師"和"客戶成功"。

OpenAI的四階段模型有個隱藏假設(shè)：越往后，組織對"人"的依賴越集中在最上游和最下游。上游是定義問題，下游是驗收結(jié)果，中間環(huán)節(jié)逐步自動化。這個假設(shè)如果成立，現(xiàn)在正在學(xué)LeetCode、刷八股文的年輕人，可能正在為一個不存在的崗位做準(zhǔn)備。

當(dāng)然，技術(shù)演進總有意外。2024年底Claude 3.5 Sonnet一度被認(rèn)為"能替代中級工程師"，實際落地中發(fā)現(xiàn)復(fù)雜系統(tǒng)的架構(gòu)一致性仍是硬傷——AI生成的代碼能跑，但和現(xiàn)有系統(tǒng)的設(shè)計風(fēng)格、抽象層次、錯誤處理模式格格不入。一位架構(gòu)師吐槽："就像請了個手藝很好的裝修隊，但每間房風(fēng)格都不一樣。"

這個問題目前無解。Spec能定義功能，很難定義"味道"。而"味道"恰恰是大型軟件系統(tǒng)可維護性的核心。所以第四階段的"AI原生文化"究竟能不能到來，還是卡在第三階段形成新的穩(wěn)態(tài)，現(xiàn)在沒人敢下結(jié)論。

如果你今天必須做一個選擇：是花三個月精進React性能優(yōu)化，還是花三個月練習(xí)把業(yè)務(wù)需求寫成AI能執(zhí)行的Spec？后者的復(fù)利可能更長久，但也更孤獨——因為市面上還沒有成熟的課程、認(rèn)證、職業(yè)路徑，只有幾家公司在暗中試錯。

那個螞蟻集團的試點項目，最后留下了一個開放問題：當(dāng)產(chǎn)品經(jīng)理能直接驅(qū)動代碼生成，技術(shù)團隊的存在形態(tài)會變成什么？他們的實驗結(jié)論是"從交付團隊變成治理團隊"，但這個結(jié)論本身，可能再過18個月又要重寫。