原文標(biāo)題：《Codex新用戶超兩成都不是專業(yè)開發(fā)者，但千萬別說“人人都是程序員”》，作者：Zetze，審校：凱文，題圖來自：視覺中國

6 月初，OpenAI 公布了一組頗具象征意味的數(shù)據(jù)：Codex 周活躍用戶已突破500萬，較 2 月桌面版發(fā)布時(shí)增長超過6倍；更值得注意的是，在過去一個(gè)月新增的 Codex 用戶中，分析師、營銷人員、運(yùn)營人員、設(shè)計(jì)師、研究人員、投資者等非開發(fā)者占到了 20%，且增長速度超過開發(fā)者 3 倍。這個(gè)最初為軟件開發(fā)而生的工具，正在迅速進(jìn)入泛化階段，參與更多人的日常工作，讓更多以前調(diào)用開發(fā)資源相對(duì)困難的人，低門檻的獲得了代碼能力。

OpenAI 同時(shí)推出了可以把工作成果直接轉(zhuǎn)化為托管網(wǎng)站和應(yīng)用的 Sites 功能。用戶不只可以讓 Codex 處理文件和數(shù)據(jù)，還可以生成一個(gè)能夠通過 URL 分享的交互式工具。這也就意味著，一個(gè)原本從事數(shù)據(jù)分析崗位的人可以利用Codex 快速完成原本要申請(qǐng)開發(fā)團(tuán)隊(duì)資源才能夠完成的可視化互動(dòng)模型，直接打包成一個(gè)可發(fā)布的互動(dòng)頁面，大大提高了工作效率。編程工具正在變成通用生產(chǎn)工具，軟件創(chuàng)造也第一次如此大規(guī)模地走出開發(fā)部門。

乍看之下，這似乎是“人人都是程序員”的又一個(gè)證據(jù)：當(dāng)市場、運(yùn)營和研究人員都開始調(diào)用編程智能體，當(dāng)一個(gè)想法可以直接變成網(wǎng)站和應(yīng)用，程序員與普通人的邊界似乎正在消失。

相比較 Codex 在持續(xù)弱化自己專業(yè)編程工具，力圖給自己貼上通用生產(chǎn)力標(biāo)簽的同時(shí)，WWDC 2026 上蘋果對(duì) Xcode 的更新提供了一個(gè)很關(guān)鍵的補(bǔ)充視角：在 AI 能力迅速進(jìn)入寫代碼環(huán)節(jié)的同時(shí)，專業(yè)開發(fā)工具的理念并沒有被削弱，反而進(jìn)一步把 Agent 深度嵌入到開發(fā)流程中——讓它可以參與構(gòu)建、運(yùn)行測試、分析錯(cuò)誤，并通過與工具鏈的協(xié)作來完成修復(fù)與迭代。這種設(shè)計(jì)意味著 AI 不只是“生成代碼的助手”，而是被納入了一個(gè)真實(shí)的工程執(zhí)行閉環(huán)之中，并在 IDE 的約束下與構(gòu)建系統(tǒng)、測試系統(tǒng)和預(yù)覽系統(tǒng)共同工作。

這兩件事同時(shí)發(fā)生，或許才是 AI Coding 當(dāng)下最真實(shí)的圖景：越來越多人可以借助 AI 創(chuàng)造軟件，但能夠生成軟件，并不等于自動(dòng)擁有了工程能力。

有一種關(guān)于 AI Coding 的流行敘事正在變得越來越廉價(jià)：只要會(huì)說話，人人都能成為程序員。

這句話聽起來很有時(shí)代感，也足夠鼓舞人。它暗示軟件創(chuàng)造的門檻正在消失，過去需要多年訓(xùn)練才能掌握的編程能力，如今可以被幾句自然語言提示詞替代。一個(gè)不會(huì)寫代碼的人，也許只要打開 Cursor、Claude Code 或者某個(gè) AI Agent，就能做出自己想要的產(chǎn)品。

這當(dāng)然不是全錯(cuò)。

歷史上也許從來沒有一個(gè)時(shí)刻，普通人距離“把一個(gè)想法變成可運(yùn)行的軟件”如此之近。一個(gè)略懂產(chǎn)品、略懂業(yè)務(wù)、略懂計(jì)算機(jī)概念的人，今天確實(shí)可以借助 AI 做出過去很難獨(dú)立完成的東西。一個(gè)原本只有 0.3 分能力的人，可能被 AI 放大到 0.8，甚至 0.9。

但問題也在這里：AI 可以放大 0.3，卻很難憑空生成那最初的 0.3。

如果一個(gè)人不知道自己到底想要什么，不知道如何描述問題，不知道什么叫邊界條件，不知道一個(gè)軟件從 Demo 變成服務(wù)需要經(jīng)歷什么，也不知道錯(cuò)誤應(yīng)該在哪里被暴露、數(shù)據(jù)應(yīng)該如何被組織、系統(tǒng)應(yīng)該如何被維護(hù)，那么 AI 帶來的往往不是創(chuàng)造力的爆發(fā)，而是混亂的加速生成。

所以，AI 時(shí)代當(dāng)然會(huì)出現(xiàn)更多“能做軟件的人”。但這并不等于人人都是程序員。

更準(zhǔn)確地說，AI 正在放大一種能力：結(jié)構(gòu)化理解世界、拆解問題、組織上下文、調(diào)用工具，并為結(jié)果負(fù)責(zé)的能力。程序員只是最早被迫系統(tǒng)訓(xùn)練出這種能力的一群人。

在和一位長期深度使用 AI Coding 的資深工程師交流時(shí)，他反復(fù)提到一個(gè)判斷：AI Coding 最容易被誤解的地方，是人們總把它想象成“讓 AI 寫代碼”。出于職業(yè)身份和項(xiàng)目信息的考慮，本文稱他為 CC。在 CC 的實(shí)踐里，AI 真正改變的并不是敲代碼的速度，而是整個(gè)研發(fā)過程里“理解、表達(dá)、驗(yàn)證和協(xié)作”的方式。

CC 的幾個(gè)經(jīng)歷，恰好能說明這個(gè)變化。

一個(gè)人和 AI 都讀不懂的項(xiàng)目

很多人第一次理解 AI Coding，是從“它能替我寫代碼”開始的。但在真實(shí)的軟件現(xiàn)場，AI Coding 最有價(jià)值的時(shí)刻，往往不是寫新代碼，而是讓舊系統(tǒng)重新變得可理解。

CC 曾接手過一個(gè)歷史項(xiàng)目。項(xiàng)目原先由一位算法背景很強(qiáng)、但工程經(jīng)驗(yàn)并不充分的開發(fā)者長期維護(hù)。項(xiàng)目核心是一組龐大的 Python 腳本，單個(gè)文件動(dòng)輒幾千行。業(yè)務(wù)邏輯、數(shù)據(jù)處理、模型調(diào)用、文件讀寫、異常處理混在一起，模塊邊界模糊，命名風(fēng)格不統(tǒng)一，重復(fù)邏輯到處散落。

更復(fù)雜的是，這個(gè)項(xiàng)目里還夾雜著早期 AI 補(bǔ)全時(shí)代留下的代碼。當(dāng)時(shí)模型能力有限，AI 更像一個(gè)智能補(bǔ)全器，而不是今天意義上的編碼 Agent。它能生成一些局部片段，卻很難理解系統(tǒng)整體。于是項(xiàng)目逐漸變成了一個(gè)奇怪的混合體：算法專家的快速實(shí)驗(yàn)代碼，加上早期 AI 補(bǔ)全生成的碎片，再加上長期缺乏工程治理積累下來的技術(shù)債。

對(duì)人來說，它幾乎不可讀。對(duì) AI 來說，它同樣不友好。

這點(diǎn)經(jīng)常被忽視。過去我們說代碼要“對(duì)人友好”，意味著結(jié)構(gòu)清晰、命名明確、模塊邊界合理、文檔足夠完整。到了 AI Coding 時(shí)代，代碼還要“對(duì) AI 友好”。一個(gè)幾千行的巨型腳本，不只是折磨接手項(xiàng)目的人，也會(huì)嚴(yán)重消耗模型的上下文窗口和推理能力。模型越難理解系統(tǒng)，就越容易在局部改動(dòng)中制造新的混亂——注意：AI幾乎不可能告訴你“我看不懂這段代碼”，但這可能是更大災(zāi)難的到來，說明它要準(zhǔn)備瞎編了。

CC 后來復(fù)盤這段經(jīng)歷時(shí)說，接手這種項(xiàng)目時(shí)，最自然的沖動(dòng)可能是馬上重構(gòu)。但真正有效的第一步不是動(dòng)代碼，而是讓系統(tǒng)顯影。

CC 的做法是，讓 AI 扮演架構(gòu)師，逐步閱讀代碼庫，梳理模塊關(guān)系、調(diào)用鏈路、數(shù)據(jù)流向和關(guān)鍵職責(zé)。讓它生成一份可以 onboarding 的文檔，畫出流程圖和設(shè)計(jì)圖。再由人根據(jù)自己的工程經(jīng)驗(yàn)去校準(zhǔn)這些文檔：哪里是主鏈路，哪里是歷史包袱，哪里只是臨時(shí)繞路，哪里是業(yè)務(wù)上必須保留的復(fù)雜性。

這時(shí)，AI 的角色不是“替你寫代碼的實(shí)習(xí)生”，而更像一臺(tái)結(jié)構(gòu)顯影儀。它把原本埋在幾千行腳本里的系統(tǒng)形狀重新照出來，讓人可以開始討論它、切分它、修改它。

在這個(gè)項(xiàng)目里，真正的轉(zhuǎn)折點(diǎn)就發(fā)生在這一步之后。等系統(tǒng)結(jié)構(gòu)被重新看見，重構(gòu)才變得可行：文件結(jié)構(gòu)被重新劃分，模塊邊界逐漸出現(xiàn)，重復(fù)邏輯被抽取，可測試性增強(qiáng)，運(yùn)行穩(wěn)定性提升。更重要的是，用 CC 的說法，項(xiàng)目重新變得可維護(hù)了。

這里的“可維護(hù)”不僅是對(duì)人而言，也是對(duì) AI 而言。

一個(gè)結(jié)構(gòu)清晰的代碼庫，會(huì)讓后續(xù) AI Agent 更容易理解上下文，更容易做小步安全修改，更容易根據(jù)測試反饋修正問題。反過來，一個(gè)混亂的代碼庫會(huì)同時(shí)拖垮人和 AI。AI Coding 并不會(huì)神奇地繞過工程復(fù)雜性。它只是讓工程質(zhì)量的好壞，以更快的速度顯現(xiàn)出來。

這也是為什么“人人都是程序員”的說法會(huì)誤導(dǎo)人。AI 不是把工程能力取消了，而是把工程能力變成了更底層的基礎(chǔ)設(shè)施。

Demo 和服務(wù)之間，隔著一整套工程責(zé)任

Vibe Coding 最迷人的地方，是它讓軟件創(chuàng)造變得像說話一樣自然。

你描述一個(gè)想法，AI 給出頁面；你再補(bǔ)一句需求，AI 接著生成接口；你說這里不好看，它替你調(diào)樣式；你說想加登錄、支付、數(shù)據(jù)看板，它似乎也都能往前推進(jìn)。一個(gè)晚上做出一個(gè) Demo，這件事已經(jīng)不再稀奇。

但 Demo 和服務(wù)之間，隔著一整套工程責(zé)任。

Demo 的目標(biāo)是“看起來能用”，服務(wù)的目標(biāo)是“長期可用”。Demo 可以容忍數(shù)據(jù)結(jié)構(gòu)混亂、異常處理粗糙、權(quán)限模型簡化、部署流程手工化、日志缺失、測試缺位。服務(wù)不行。服務(wù)要面對(duì)真實(shí)用戶、真實(shí)數(shù)據(jù)、真實(shí)并發(fā)、真實(shí)成本、真實(shí)安全風(fēng)險(xiǎn)，以及真實(shí)的后續(xù)維護(hù)。

這也是很多 Vibe Coding 文章最容易講淺的地方。它們樂于展示“一個(gè)不會(huì)寫代碼的人做出了一個(gè) App”，卻很少繼續(xù)追問：這個(gè) App 能不能穩(wěn)定運(yùn)行？出了問題誰排查？數(shù)據(jù)壞了怎么辦？權(quán)限泄露怎么辦？業(yè)務(wù)規(guī)則變化后如何迭代？半年后還有人看得懂嗎？

能跑起來，是軟件生命的開始，不是結(jié)束。

CC 后來做過一個(gè)更復(fù)雜的業(yè)務(wù)系統(tǒng)項(xiàng)目。出于商業(yè)保密，這里不展開具體行業(yè)和客戶，只保留問題形態(tài)：它并不是一個(gè)單純的技術(shù)項(xiàng)目，而是一場從線下紙質(zhì)流程到線上數(shù)字化系統(tǒng)的遷移。它需要理解不同崗位的工作方式，觀察真實(shí)流程，而不是只聽一句“我們想做個(gè)系統(tǒng)”。它需要把業(yè)務(wù)語言翻譯成數(shù)據(jù)表、權(quán)限規(guī)則、審批流、統(tǒng)計(jì)口徑、接口邊界和異常場景。

這種項(xiàng)目復(fù)雜的地方，并不在于某個(gè)單點(diǎn)技術(shù)有多炫。真正復(fù)雜的是業(yè)務(wù)細(xì)節(jié)和數(shù)據(jù)關(guān)系：幾十張表之間如何關(guān)聯(lián)，數(shù)百個(gè) API 如何組織，不同角色如何使用同一套數(shù)據(jù)，不同流程之間如何互相影響。過去，這類項(xiàng)目往往需要產(chǎn)品、后端、前端、測試、運(yùn)維等多種角色協(xié)同。

AI 的確改變了這里的效率結(jié)構(gòu)。一個(gè)有經(jīng)驗(yàn)的人，可以借助 AI 把很多過去需要多人分擔(dān)的工作串起來。但前提是，他必須知道該把什么上下文交給 AI。

這就是 AI Coding 和普通代碼生成的分水嶺。

AI Coding 的本質(zhì)不是寫代碼，而是寫上下文

今天更成熟的 AI Coding，已經(jīng)越來越不像“打開聊天框讓 AI 寫函數(shù)”，而像一條端到端的研發(fā)鏈路。CC 把自己的做法概括為：盡可能替 AI 構(gòu)建足夠豐富的上下文，然后讓 AI 在這個(gè)上下文里工作。

在 CC 的工作流里，一個(gè)需求通常不是從“請(qǐng)幫我寫代碼”開始，而是先把產(chǎn)品 PRD、需求文檔、需求評(píng)審會(huì)議的逐字稿、上下游系統(tǒng)的技術(shù)文檔、已有代碼庫和項(xiàng)目規(guī)范都提供給 AI。然后讓 AI 基于這些材料生成技術(shù)方案。方案不是直接進(jìn)入開發(fā)，而是先沉淀成一篇文檔，交給工程師、產(chǎn)品和相關(guān)業(yè)務(wù)同事 review。

這一步很關(guān)鍵。

因?yàn)?AI 的輸出不是用來跳過溝通的，而是用來提升溝通質(zhì)量的。過去，很多需求評(píng)審的問題在于不同角色腦中的系統(tǒng)模型并不一致。產(chǎn)品說的是用戶流程，工程師想的是數(shù)據(jù)結(jié)構(gòu)，業(yè)務(wù)同事關(guān)心的是線下例外情況，上下游關(guān)心的是接口契約。AI 可以把這些散落的材料先組織成一個(gè)可討論的版本，讓團(tuán)隊(duì)更早發(fā)現(xiàn)理解偏差。

確認(rèn)技術(shù)方案后，再進(jìn)入編碼、單元測試、回歸測試和人工驗(yàn)收。開發(fā)完成后，CC 還會(huì)讓 AI 繼續(xù)生成對(duì)接文檔。這個(gè)文檔表面上是給上下游同事看的，但在 AI Agent 普及之后，它還有一個(gè)新的用途：成為別人 Agent 的上下文。

這是一種很有意思的變化。過去，文檔主要寫給人讀；今天，文檔也開始寫給 AI 讀。接口說明、業(yè)務(wù)規(guī)則、驗(yàn)收標(biāo)準(zhǔn)、錯(cuò)誤碼、數(shù)據(jù)樣例，都會(huì)成為另一個(gè) AI Agent 開發(fā)對(duì)接功能時(shí)的輸入。

于是，所謂 AI Coding 的核心對(duì)象發(fā)生了變化。

過去我們寫代碼，今天我們也在寫上下文。這里的上下文不是一段 prompt，而是一個(gè)工作場：需求文檔、會(huì)議記錄、代碼庫、測試用例、日志、項(xiàng)目規(guī)范、技術(shù)決策、驗(yàn)收標(biāo)準(zhǔn)、接口文檔、歷史討論，都在其中。

誰能組織更好的上下文，誰就能更好地使用 AI。

這也是為什么“會(huì) prompt 就夠了”是另一個(gè)誤解。真正重要的不是某句神奇提示詞，而是你能否把一個(gè)模糊問題整理成 AI 可以理解、可以執(zhí)行、可以驗(yàn)證的結(jié)構(gòu)。提示詞只是入口，上下文才是主體。

如果上下文是錯(cuò)的，AI 會(huì)高效地產(chǎn)生錯(cuò)誤。如果上下文是亂的，AI 會(huì)高效地放大混亂。如果上下文缺少驗(yàn)收標(biāo)準(zhǔn)，AI 就會(huì)傾向于給出“看起來完成了”的結(jié)果。

AI Coding 的上限，不只由模型決定，也由人類組織上下文的能力決定。

程序員并沒有被 AI 取代，他們正在用 AI 進(jìn)入各行各業(yè)

“程序員要失業(yè)了”是 AI 浪潮里最常見的句式之一。

程序員自己說這句話，很多時(shí)候是自嘲。這個(gè)行業(yè)長期站在技術(shù)變化前沿，習(xí)慣了每隔幾年就被新的語言、框架、平臺(tái)、范式重新教育一遍。自嘲背后，往往有真實(shí)焦慮，也有對(duì)變化的敏感。

但當(dāng)這句話被簡化成“AI 會(huì)寫代碼，所以程序員不重要了”，它就變成了一種外行式誤判。

編程當(dāng)然包含寫代碼，但程序員的核心能力從來不只是記住語法。一個(gè)合格程序員長期訓(xùn)練的是另一組能力：把模糊需求拆成明確任務(wù)，把復(fù)雜系統(tǒng)拆成模塊，把異常情況前置考慮，把重復(fù)勞動(dòng)抽象成工具，把現(xiàn)實(shí)世界的不確定性壓進(jìn)可以運(yùn)行、可以調(diào)試、可以維護(hù)的結(jié)構(gòu)里。

這些能力恰恰是 AI 時(shí)代更容易被放大的能力。

如果一個(gè)程序員缺少設(shè)計(jì)能力，AI 可以補(bǔ)一部分產(chǎn)品原型；缺少前端審美，AI 可以補(bǔ)一部分界面實(shí)現(xiàn)；缺少運(yùn)維經(jīng)驗(yàn)，AI 可以解釋云服務(wù)、生成部署腳本、定位日志問題；缺少寫作能力，AI 可以協(xié)助生成文檔、郵件和方案。換句話說，AI 不只是讓程序員寫代碼更快，也讓程序員更容易補(bǔ)齊跨界短板。

所以，更值得注意的現(xiàn)象也許不是“程序員正在被各行各業(yè)取代”，而是“程序員正在借助 AI 進(jìn)入各行各業(yè)”。

當(dāng)一個(gè)擁有工程思維的人獲得產(chǎn)品、設(shè)計(jì)、運(yùn)營、數(shù)據(jù)分析和寫作能力的外骨骼，他能做的事情會(huì)比過去寬得多。反過來，一個(gè)完全沒有結(jié)構(gòu)化表達(dá)能力、沒有系統(tǒng)概念、沒有邊界意識(shí)的人，即使拿到最強(qiáng)的 AI 工具，也很容易卡在第一步：不知道該如何描述自己想要什么。

這并不是說非程序員不能使用 AI 做軟件。恰恰相反，AI 的確讓很多非技術(shù)背景的人第一次擁有了軟件創(chuàng)造能力。但他們真正需要補(bǔ)的，不是“語法”，而是問題定義、需求表達(dá)、流程拆解和結(jié)果驗(yàn)收。

AI 降低的是編碼門檻，不是思考門檻。

甚至可以說，AI 越強(qiáng)，思考門檻越顯眼。因?yàn)楣ぞ咴侥芸焖賵?zhí)行，錯(cuò)誤的方向就越容易被快速放大。過去一個(gè)模糊需求可能在漫長開發(fā)過程中慢慢暴露問題；現(xiàn)在，它可能在一天之內(nèi)變成一個(gè)結(jié)構(gòu)混亂但頁面完整的系統(tǒng)。

這不是民主化的反面，而是民主化之后的新門檻。

AI 最危險(xiǎn)的地方不是寫錯(cuò)

對(duì) AI Coding 的批評(píng)，常常集中在“AI 會(huì)寫 bug”。但在真實(shí)工程里，更麻煩的情況不是它寫錯(cuò)，而是它把錯(cuò)誤隱藏起來。

CC 在一個(gè)數(shù)據(jù)科學(xué)相關(guān)項(xiàng)目中，曾經(jīng)遇到過一種很典型的問題：無論輸入數(shù)據(jù)多離譜，程序最終似乎總能輸出結(jié)果。表面看，這是系統(tǒng)“魯棒性”很強(qiáng)；但按業(yè)務(wù)邏輯判斷，某些輸入本應(yīng)在中間環(huán)節(jié)觸發(fā)錯(cuò)誤，提醒開發(fā)者數(shù)據(jù)不合法、流程不完整或假設(shè)不成立。

后來的人工排查發(fā)現(xiàn)，問題出在一系列 AI 生成或補(bǔ)全的兜底邏輯上。它在很多環(huán)節(jié)加了默認(rèn)值、try-catch、空值兼容和靜默降級(jí)。每個(gè)局部看起來都像是在“增強(qiáng)穩(wěn)定性”，但串起來之后，系統(tǒng)變成了一個(gè)幾乎不會(huì)失敗的黑箱。

這恰恰很危險(xiǎn)。

工程系統(tǒng)里，失敗不是壞事。該失敗的時(shí)候失敗，錯(cuò)誤才能被及時(shí)暴露；該拋異常的時(shí)候拋異常，系統(tǒng)邊界才是清晰的。尤其在數(shù)據(jù)科學(xué)、金融、醫(yī)療、教育等領(lǐng)域，一個(gè)“永遠(yuǎn)給出結(jié)果”的系統(tǒng)未必可靠，反而可能意味著它正在掩蓋異常。

AI 為什么喜歡這樣寫？一個(gè)可能的原因是，它在訓(xùn)練和交互中更容易被獎(jiǎng)勵(lì)“完成任務(wù)”。用戶說修復(fù)錯(cuò)誤，它就傾向于讓報(bào)錯(cuò)消失；用戶說程序不要崩，它就傾向于加兜底；用戶說保證輸出，它就傾向于制造默認(rèn)路徑。但在工程里，報(bào)錯(cuò)消失不等于問題解決，程序不崩不等于邏輯正確，有輸出不等于有價(jià)值。

這就是人類工程師仍然重要的地方。

人要告訴 AI：哪些錯(cuò)誤必須暴露，哪些異常不能吞掉，哪些輸入必須拒絕，哪些鏈路必須 fail fast，哪些關(guān)鍵環(huán)節(jié)需要顯式校驗(yàn)。更進(jìn)一步，這些規(guī)則不應(yīng)該只停留在口頭，而應(yīng)該沉淀進(jìn)項(xiàng)目規(guī)范里，放在代碼庫根目錄，隨 git 一起提交。

這會(huì)帶來一個(gè)新的協(xié)作模式：人制定規(guī)則，AI 執(zhí)行規(guī)則。

過去，團(tuán)隊(duì)代碼規(guī)范依賴培訓(xùn)、文檔、code review 和個(gè)人習(xí)慣。讓所有人持續(xù)遵守一套規(guī)范很難，因?yàn)槿藭?huì)遺忘、偷懶，也會(huì)在趕進(jìn)度時(shí)妥協(xié)。今天，很多規(guī)范可以寫成 AI Agent 能讀取的項(xiàng)目約束：異常處理原則、命名規(guī)范、測試要求、禁止行為、提交標(biāo)準(zhǔn)、驗(yàn)收清單。不同成員的 Agent 進(jìn)入代碼庫后，都能讀取這些規(guī)則，并在開發(fā)中自動(dòng)遵守。

這不是說 code review 不重要了，而是規(guī)范執(zhí)行的起點(diǎn)前移了。AI 讓團(tuán)隊(duì)有機(jī)會(huì)把“工程共識(shí)”變成更可執(zhí)行的上下文。

從這個(gè)角度看，未來優(yōu)秀工程師的一項(xiàng)重要工作，不只是寫業(yè)務(wù)代碼，而是維護(hù)一套能讓 AI 正確工作的規(guī)則系統(tǒng)。

那最初的 0.3 是什么？

如果 AI 可以把 0.3 放大到 0.9，那么問題就變成：那最初的 0.3 到底是什么？

對(duì)專業(yè)開發(fā)者來說，它越來越不是某個(gè)具體框架的熟練度。框架會(huì)變，工具會(huì)變，模型能力也會(huì)快速提升。今天困擾開發(fā)者很久的隱藏 bug，也許明天換一個(gè)新模型就能被直接定位。很多現(xiàn)在看起來需要技巧的問題，都會(huì)逐漸被更強(qiáng)的模型能力吞掉。

但有些東西不那么容易被吞掉。

比如業(yè)務(wù)理解。你要知道一個(gè)需求為什么存在，哪些流程是真需求，哪些只是歷史習(xí)慣，哪些例外情況必須保留，哪些復(fù)雜性可以被砍掉。AI 可以根據(jù)材料生成方案，但它很難替你判斷一個(gè)組織真正需要什么。

比如 spec 能力。也就是把需求寫清楚的能力。一個(gè)好的 spec 不只是描述“我要什么功能”，還要描述邊界、狀態(tài)、數(shù)據(jù)結(jié)構(gòu)、角色權(quán)限、異常場景、驗(yàn)收標(biāo)準(zhǔn)和非目標(biāo)。AI 越強(qiáng)，spec 越重要，因?yàn)?spec 決定了 AI 執(zhí)行的方向。

比如驗(yàn)收能力。AI 可以寫測試，也可以跑回歸，但人要知道什么叫真正通過。頁面能打開不代表業(yè)務(wù)正確，接口返回 200 不代表數(shù)據(jù)可信，模型給出結(jié)果不代表結(jié)論可用。

比如系統(tǒng)判斷。什么時(shí)候繼續(xù)讓 AI 修，什么時(shí)候人該接管；什么時(shí)候補(bǔ)測試，什么時(shí)候重構(gòu)；什么時(shí)候接受局部不完美，什么時(shí)候必須推倒重來。這些都不是一句 prompt 能解決的。

對(duì)非專業(yè)開發(fā)者來說，最初的 0.3 也許更基礎(chǔ)：能不能描述清楚自己想要什么，能不能把一個(gè)大想法拆成幾個(gè)小問題，能不能意識(shí)到軟件不僅有頁面，還有數(shù)據(jù)、權(quán)限、部署、成本和維護(hù)。

很多人以為自己缺的是編程語言，其實(shí)第一步缺的是需求表達(dá)。

這也是 AI 時(shí)代一個(gè)很有意思的變化：表達(dá)能力變得前所未有地重要。過去，表達(dá)不清楚最多影響人與人溝通；今天，表達(dá)不清楚會(huì)直接影響 AI 的執(zhí)行結(jié)果。一個(gè)模糊的想法，會(huì)被 AI 快速變成一個(gè)模糊的系統(tǒng)。

當(dāng)然，AI 也能幫助人補(bǔ)齊短板。云服務(wù)、計(jì)算機(jī)網(wǎng)絡(luò)、數(shù)據(jù)庫、部署流程，這些過去讓非技術(shù)人望而卻步的知識(shí)，如今都可以通過 AI 快速解釋和輔助執(zhí)行。只要問題描述得足夠清楚，AI 確實(shí)能帶人跨過很多過去很高的門檻。

但這仍然不是“零門檻”。

AI 時(shí)代的門檻從“會(huì)不會(huì)寫代碼”，轉(zhuǎn)移到了“會(huì)不會(huì)定義問題、組織上下文、判斷結(jié)果”。

別再說人人都是程序員了

“人人都是程序員”之所以流行，是因?yàn)樗プ×艘粋€(gè)真實(shí)趨勢(shì)：軟件創(chuàng)造正在從少數(shù)專業(yè)人士手里擴(kuò)散出去。

這個(gè)趨勢(shì)當(dāng)然值得歡迎。更多人可以把自己的想法做成工具，更多小團(tuán)隊(duì)可以用更低成本完成數(shù)字化，更多行業(yè)知識(shí)可以直接轉(zhuǎn)化成軟件原型。AI 讓創(chuàng)造軟件這件事，第一次真正接近大眾。

但如果因此認(rèn)為專業(yè)性不再重要，就走向了另一個(gè)誤區(qū)。

AI Coding 不會(huì)消滅工程能力，它會(huì)重估工程能力。它不會(huì)讓所有人自動(dòng)成為程序員，它會(huì)讓那些具備結(jié)構(gòu)化能力、學(xué)習(xí)能力、業(yè)務(wù)理解和責(zé)任意識(shí)的人獲得更強(qiáng)的生產(chǎn)力。它不會(huì)讓代碼質(zhì)量問題消失，它會(huì)讓質(zhì)量問題以更快速度出現(xiàn)，也讓治理質(zhì)量問題的能力更重要。

從這個(gè)意義上說，AI Coding 最重要的改變不是“代碼由誰敲出來”，而是“誰來定義問題、組織上下文、建立規(guī)則、驗(yàn)證結(jié)果，并為系統(tǒng)負(fù)責(zé)”。

未來的軟件工程師可能會(huì)少寫一些機(jī)械代碼，但會(huì)更多地寫 spec、寫上下文、寫測試、寫規(guī)則、寫文檔、寫給其他 AI Agent 讀取的協(xié)作材料。軟件開發(fā)的中心，正在從“代碼輸入”轉(zhuǎn)向“上下文組織”。

這不是程序員消失的開始，而是程序員角色重組的開始。

AI 的確可以把 0.3 放大到 0.8，甚至 0.9。這是這個(gè)時(shí)代真正令人興奮的地方。一個(gè)人只要具備一點(diǎn)點(diǎn)計(jì)算機(jī)基礎(chǔ)、業(yè)務(wù)理解、表達(dá)能力和結(jié)構(gòu)化思維，就可能做出過去需要一個(gè)小團(tuán)隊(duì)才能完成的東西。

但如果沒有那最初的 0.3，一切都是空話。

AI 不會(huì)替你知道你想要什么，不會(huì)替你承擔(dān)后果，也不會(huì)自動(dòng)理解一個(gè)組織、一個(gè)行業(yè)、一套業(yè)務(wù)流程背后的真實(shí)復(fù)雜性。它可以生成代碼，也可以生成文檔、測試和方案，但它無法替代人對(duì)問題本身的理解。

所以，AI 時(shí)代，別再說人人都是程序員了。

更準(zhǔn)確的說法是：人人都更接近軟件創(chuàng)造，但不是人人都自動(dòng)擁有工程能力。

AI 放大的不是職業(yè)標(biāo)簽，而是人的基本功。

本內(nèi)容由作者授權(quán)發(fā)布，觀點(diǎn)僅代表作者本人，不代表虎嗅立場。如對(duì)本稿件有異議或投訴，請(qǐng)聯(lián)系 tougao@huxiu.com。

本文來自虎嗅，原文鏈接：https://www.huxiu.com/article/4867009.html?f=wyxwapp