AI时代的程序员价值重塑

AI coding产品对程序员来说，既是效率飞升的法宝，也像是加速职业"消亡"的催命符。使用AI coding工具，效率的提升是实打实的。但现实中一些岗位在要求程序员转全栈，AI模型的进展又如此迅猛，程序员身处这样的时刻，怎能不焦虑呢？

不过，如果你深度使用AI coding工具一段时间，大概会得出这样的结论：程序员这个岗位在AI的冲击下注定会被重塑，但不是消失。消失的是曾经的程序员岗位，未来程序员岗位的基本需求就是会用AI工具编程。但这个能力不是静态的、预定义的，而是动态的，需要更多自主思考和决策——这和workflow到agent的发展趋势是一样的。 最近几个月高频使用AI coding工具，在中等复杂规模的AI产品项目上，效率提升确实是阶跃性的。虽然模型能力在提升，效率也随之提升，比如4月份用AI工具大概能提升30%效率，现在效率提升至少翻了一倍（大概60%）。

为什么只是60%，不是100%，甚至200%呢？因为AI coding很好用，但还不是全能。至少以下这些问题，目前是存在的。

AI coding的5个现实问题

1. 代码跑起来≠代码没问题

AI coding可以让你的代码很快跑起来，但看似"正常"的背后埋着多少雷，这个排查的工作量不小。

2. 技术栈更新太快，AI的知识有滞后

AI落地应用的代码，包括agent，技术方案更新变化很快。模型的内部知识有个更新截止时间，对于之后更新的知识，需要靠使用者通过搜索、DeepResearch等工具来提供同步更新的先验知识给AI。这需要使用者本身对最新技术方案有一定认知判断，才能主导AI去做实现。这一步实际会消耗不小精力。

3. 代码结构问题——"屎山"依然存在

实现的代码结构是否合理，是否方便维护和扩展？你仔细看很多后端代码，虽然写法很规范，但会有一些逻辑明显违背封装解耦的原则，很多代码堆在一个文件夹内。如果不做仔细检查，后续代码维护和扩展会有很大工作量，"屎山"问题还没有得到有效解决。

4. 过度的fallback逻辑，容易吞没错误

现在的模型倾向于fallback逻辑过头，容易吞没错误——这和RL训练相关，报错有惩罚，导致reward hacking。

5. 它有时像个天才，有时像个傻瓜

当它帮你把一段代码完美无误地实现，你惊叹这么牛X。当它在一个模块代码多次没改好，而直接rm -rf，刚好你没git，此时你又该如何面对。

能力的本质变化

上面提到的问题都是在实际使用AI编程过程中积累的一点体验和经验，这些可能1个月后就失效，因为模型能力还在快速增长。但模型的能力可能是阶跃式增长的，个人能力的积累很多时候确实需要从"量变"引起"质变"。这里不是鸡汤，想表达的是：某些认知的清晰建立，不是靠别人分享的经验或新体验就能实现的。

现在大模型的一个重要范式是基于RL的experience learning，需要在环境中不断探索获得奖励来更新模型。这种机制和人类学习其实挺接近的，强化需要过程。但有了AI之后，程序员的奖励函数有点发生变化了。我们更多需要的不是从0到1完整参与整个项目的搭建，而是结合自身的底座能力（coding背景），去引导AI实现架构合理、可审计、可扩展、可智能增益的代码实现。

但这个能力本身不是靠一个可验证的奖励函数就能定义的。它需要我们持续学习，迭代自身的认知和能力。AI模型能力在增长，我们在与它们交互的过程中，才能知道自己需要什么样的能力，而这个能力也会在这个过程中自然地培养、建立和提升。

技术栈的持续学习变得更重要了

在AI没有对程序员工作产生广泛影响之前，同等Level的程序员编码效率差异不会很大，而且很多场景做维护和更新，一段时间内使用固定的技术栈也问题不大。

但现在情况变了。一些变化比较快的技术栈，比如大模型，三个月模型能力就会明显提升一档。如果之前的工程没有做扩展评估，那上一版本的提示词对于更新后的模型反而是过度的负优化。这需要在设计提示词模板时考虑模型能力提升的增益性，设计更通用、兼容模型能力增长的方案。

而AI编程工具的使用，使得编码效率有了大幅提升。用AI工具和不用AI工具，AI工具用得一般和用得熟练，都会产生比较大的差距，这会直接影响效率产出。但同样的，三个月前的AI工具和现在的AI工具也会有很大不同。比如三个月前我还在用Cursor，现在已经不用了，因为对我而言Codex使用更顺手。

更新技术栈一方面是对coding工具的持续使用，不让别人拉开和自己的效率差距。但注意，只看别人的经验反馈，很多时候作用远小于自己亲自去体验使用。另一方面是保持对自己技术栈的持续学习（AI虽然是重点，但不是全部）。不是一定要去学多深入的技术，至少需要保持对自己领域技术认知的更新，用AI工具辅助自己了解当前领域的新技术。比如最近发布的Python 3.14，我不需要把新版本的整个文档读一遍，但可以通过AI帮我整理更新的新特性，选择自己感兴趣的去看一下，比如3.14的自由线程模式允许禁用GIL，这个就值得去试一试。

结语

AI时代每个职业都可能会重塑，不只是程序员，一个戏虐的说法-“程序员用AI来革自己的命”，其实革掉的不是人的本质能力，革掉的是不是程序员的价值本身，构建软件的价值仍然存在，而且因为构建成本的下降，构建效率的提升反而可以产生更大的价值。但是当有一个更高效，科学的工具出现的时候，接受，拥抱和改变是必然的选择，这也是人机共生发展趋势的要求，接受和拥抱是态度问题，改变就需要亲自躬身体验，去感知和实践才能明白自己需要做出什么改变。

最后做一点畅想延伸，一个革命性的工具，如果只是让一部分人收益，那就称不上革命性，AI coding工具除了惠及程序员，也让更多没有代码基础的人可以搭建实现自己的产品。更进一步的推广，AI4science的持续进步，可以让更多对科研感兴趣但没有科研基础人也能做科研，去发现和探索更多的未知。AI会打破更多的职业边界，让更多的人可以根据自己的兴趣选择行业，不再因为门槛难往前再迈出一步。