关于 AI 在编码与软件工程中的作用，有两种流行但过于简化的判断： “代码门槛大幅降低 → 软件工程师需求消失。”
“代码边际成本趋近于零 → AI 让实现免费，人的价值上升。”
这两句话，都局部成立、阶段性正确，但本质上是不完整的，甚至是危险的。 更真实的情况是： 人的价值不会自然上升，只会被重新定价。
而且，这种重定价不是线性的，而是剧烈分化的： 甚至可以更直白一点： 不是“人是否有价值”，而是“你处在价值函数的哪一段”。
我先说一个我自己越来越确定的判断： AI 不是在替代“写代码的人”，而是在替代“没有建模能力的思考”。
很多人把问题理解成“coding 被干掉了”，但我认为本质不是这个。 更关键的是：
过去很多所谓“工程能力”，其实是借助代码表达思考能力的替代品。 你写一堆类、抽象、架构图，本质是在表达： 你如何理解问题 你如何拆分复杂系统 你如何处理不确定性
但现在——AI 可以直接跳过这个表达层。 于是问题变成一个很残酷的版本： 如果不通过代码，你还能不能清晰地定义问题？
很多人其实是不行的。
换个角度看，这里有个反直觉点： 代码成本下降，并没有让系统变简单，反而让系统失控风险更高。 以前你要花一周写一个服务，现在 10 分钟就能生成 10 个版本。
听起来是效率提升，但我更倾向于这样理解： 我们从“构建问题”，进入了“选择问题”。
问题不是“能不能做”，而是： 哪一个版本才是对的？ 哪个约束被隐式违反了？ 哪个路径在未来三个月会炸？
而这些，AI目前几乎不承担责任。
所以我越来越觉得，人真正的位置在一个很奇怪的地方： 不是更靠近“创造”，而是更靠近“裁决”。 你不再是 builder，你更像是一个： 在巨大解空间里，不断否定错误路径的人。
甚至可以说——
人的核心能力正在变成一种“负能力”：
但这里有个更深一层的问题，我觉得很多讨论没有触及： “正确做什么”这件事，本身在变得更难，而不是更清晰。
因为当实现变便宜之后： 结果是： 目标函数开始漂移
以前因为贵，你会认真定义需求；
现在因为便宜，你更容易跳过定义，直接生成。 这会导致一种很典型的现象： 系统在快速进化，但方向是不稳定的。
这其实是一个“隐性失控”。
我再往下压一层，说一个我自己也还没完全想清楚的点： AI builder 时代，人和 AI 的关系，不是“分工”，而是“纠缠”。 传统说法是： 但现实不是这么干净。 AI 在生成的过程中，会反过来影响你对问题的理解： 你看到一个生成结果，会调整目标 你看到一个 UI，会重新定义需求 你甚至会被 AI 的“可实现性”牵着走
所以更准确的描述是： 目标不是人先定义好的，而是在“人-AI交互过程中被共同塑形”的。
这件事很微妙。 因为这意味着—— 人不再完全掌控“为什么做”，而是在和 AI 一起“发现为什么做”。
那人到底还有什么用？ 如果一定要压缩成一句我自己的判断： 人的价值，不在于产出，而在于“让系统不偏航”。
注意，不是“让系统变强”，而是“不偏”。 这是一种完全不同的能力模型。
再具体一点，我会把人的角色拆成三种，但其实边界是模糊的： 一种人，会退化成“prompt 操作员”
他们会用工具，但不理解系统。
这类人短期看起来效率很高，但长期是最危险的。 一种人，会成为“系统建模者”
他们能定义： 这类人会越来越稀缺。 还有极少一类人，会成为“系统演化的操盘者”
他们关注的不是单个系统，而是： 多系统之间的耦合 组织如何围绕 AI 重构 决策如何被算法侵蚀
这类人，其实已经不在“软件工程”这个范畴里了。
我最后补一个有点刺耳的结论： AI 并没有让“不会写代码的人”获得平权，它只是让“不会思考的人”更快暴露。
甚至可以说： 过去代码是一个缓冲层，让很多人看起来在做复杂事情。
现在这个缓冲层消失了。 于是问题变得非常直接： 你到底有没有在做判断？
如果要说协同方式，我不太想用“人负责收敛，AI负责发散”这种说法（虽然它是对的，但有点过于干净）。 我更倾向于一个不那么优雅但更真实的描述： AI 在不断提出可能性，人不断否决大部分可能性，然后在剩下的路径里，被AI反过来影响判断。
这是一个来回拉扯的过程。 而不是一个分工清晰的流水线。
我自己现在的一个工作习惯变化，可能可以作为一个很小的侧面： 以前我写代码，是在“实现一个我已经想清楚的东西”。
现在我更多是在： 通过和 AI 的反复生成，逼自己看清楚我其实没想清楚什么。
这件事，说实话，有点不舒服。 但也挺真实。 |
