当前位置：

社区首页

电脑数码

软件应用

办公软件

AIGC文章详情

软件工程师的真实日常：写代码只是冰山一角

源自78位全网作者

06-09 18:00

精选参考来源

【人类写代码的时代结束了？Deno之父的断言与工程师们的激辩】“人类写代码的时代结束了。”这句话出自Ryan Dahl之口，也就是Node.js和Deno的创造者。他补充道：这对我们这些自我认同为软件工程师的人来说确实令人不安，但事实就是如此。这并不是说软件工程师没有工作可做，而是直接写语法已经不再是核心工作了。这条推文立刻引发了工程师群体的激烈讨论，观点碰撞中浮现出一幅关于职业转型的复杂图景。有人看到了解放。“作为软件工程师，我觉得这不是什么令人不安的事，而是一种解放，”一位开发者写道，“我写代码一直是因为喜欢创造东西，从来不是迷恋语法本身。现在我可以继续做创造性的工作，不用再承担语法的心智负担了。”也有人看到了讽刺。“真正的剧情反转是：调试AI生成的代码仍然需要理解代码，我们只是从作者升级成了编辑。”这个观察精准地击中了当前的悖论：工具在进化，但认知门槛并未真正消失。Steve Krouse提供了一个历史视角：这就像打孔卡时代的终结一样。我们写代码的方式确实在改变，但真正的问题是人脑在编程中扮演什么角色？关于这个问题，讨论分化成几个方向。乐观派认为：我们从“写代码”转向了“构建产品”，从编码者变成了架构师和指挥者。现在人人都是架构师了，区别只在于是好架构师还是差架构师。判断力和影响力才是一直以来真正重要的东西，现在只是更容易展现出来了。务实派则指出了不可回避的瓶颈。一位开发者直接发问：你会允许生产代码在没有任何人类审查、没有任何员工理解其功能的情况下部署吗？如果答案是否定的，那么认知能力仍然是瓶颈。问题变成了：是自己写代码更容易理解，还是审查AI写的代码更容易理解？另一位工程师分享了亲身体验：人类阅读代码的时代肯定没有结束。我现在在做个人项目，Claude在自主地生成代码，我负责检查，大部分还行，但代码异味太多了。不断阅读代码、建议修复、精简优化。人类阅读比以往更多代码的时代才刚刚开始。最引人深思的反驳来自一位开发者对Ryan Dahl的直接追问：你认为一个编程智能体能够仅凭一个详尽的提示词，端到端地、以生产级质量产出像Node或React这样的东西吗？我的答案是不能，这并不是在贬低智能体。人类专家也无法仅凭提示词做到这一点。一个成熟的框架不仅仅是一堆孤立创建的代码，它是对多年约束和痛点的回应。它经历了迭代、重构，然后是真实用户的压力测试才锻造成今天的样子。智能体可以加速这个循环，但它们无法消除这个循环。还有一个被忽视的维度：并非所有环境都允许AI介入。在需要安全许可的软件项目中，任何阶段使用LLM都是被禁止的。技术趋势从来不是均匀铺开的。或许最具洞察力的总结来自这句话：软件工程师会没事的，危险的是开发者。这里的区分耐人寻味。如果你的核心竞争力是敲键盘的速度和语法熟练度，那确实岌岌可危。但如果你的价值在于定义问题、做出判断、理解系统、把握权衡，那你只是换了一套工具。x.com/rough__sea/status/2013280952370573666

OpenAI一线观察：未来两年，工程师如何从“码农”进化为“巫师”？

全部
来源

内容由AI生成

1. 【人类写代码的时代结束了？Deno之父的断言与工程师们的激辩】“人类写代码的时代结束了。”这句话出自Ryan Dahl之口，也就是Node.js和Deno的创造者。他补充道：这对我们这些自我认同为软件工程师的人来说确实令人不安，但事实就是如此。这并不是说软件工程师没有工作可做，而是直接写语法已经不再是核心工作了。这条推文立刻引发了工程师群体的激烈讨论，观点碰撞中浮现出一幅关于职业转型的复杂图景。有人看到了解放。“作为软件工程师，我觉得这不是什么令人不安的事，而是一种解放，”一位开发者写道，“我写代码一直是因为喜欢创造东西，从来不是迷恋语法本身。现在我可以继续做创造性的工作，不用再承担语法的心智负担了。”也有人看到了讽刺。“真正的剧情反转是：调试AI生成的代码仍然需要理解代码，我们只是从作者升级成了编辑。”这个观察精准地击中了当前的悖论：工具在进化，但认知门槛并未真正消失。Steve Krouse提供了一个历史视角：这就像打孔卡时代的终结一样。我们写代码的方式确实在改变，但真正的问题是人脑在编程中扮演什么角色？关于这个问题，讨论分化成几个方向。乐观派认为：我们从“写代码”转向了“构建产品”，从编码者变成了架构师和指挥者。现在人人都是架构师了，区别只在于是好架构师还是差架构师。判断力和影响力才是一直以来真正重要的东西，现在只是更容易展现出来了。务实派则指出了不可回避的瓶颈。一位开发者直接发问：你会允许生产代码在没有任何人类审查、没有任何员工理解其功能的情况下部署吗？如果答案是否定的，那么认知能力仍然是瓶颈。问题变成了：是自己写代码更容易理解，还是审查AI写的代码更容易理解？另一位工程师分享了亲身体验：人类阅读代码的时代肯定没有结束。我现在在做个人项目，Claude在自主地生成代码，我负责检查，大部分还行，但代码异味太多了。不断阅读代码、建议修复、精简优化。人类阅读比以往更多代码的时代才刚刚开始。最引人深思的反驳来自一位开发者对Ryan Dahl的直接追问：你认为一个编程智能体能够仅凭一个详尽的提示词，端到端地、以生产级质量产出像Node或React这样的东西吗？我的答案是不能，这并不是在贬低智能体。人类专家也无法仅凭提示词做到这一点。一个成熟的框架不仅仅是一堆孤立创建的代码，它是对多年约束和痛点的回应。它经历了迭代、重构，然后是真实用户的压力测试才锻造成今天的样子。智能体可以加速这个循环，但它们无法消除这个循环。还有一个被忽视的维度：并非所有环境都允许AI介入。在需要安全许可的软件项目中，任何阶段使用LLM都是被禁止的。技术趋势从来不是均匀铺开的。或许最具洞察力的总结来自这句话：软件工程师会没事的，危险的是开发者。这里的区分耐人寻味。如果你的核心竞争力是敲键盘的速度和语法熟练度，那确实岌岌可危。但如果你的价值在于定义问题、做出判断、理解系统、把握权衡，那你只是换了一套工具。x.com/rough__sea/status/2013280952370573666

2. OpenAI一线观察：未来两年，工程师如何从“码农”进化为“巫师”？

3. 如何学习成为 Agent 工程师：一条从入门到能交付的路线

4. OpenAI最新Harness工程分享 | 代码免费后，码农将变身“AI驾驭师”

5. 看到贾扬清发的一篇推文，在 X 上，他是这么说的：“软件工程师”从未被定义为“写代码的人”，“程序员”才是。在过去的 10 年里，我们不再只关注代码，而是更看重结果。这是一个持续的趋势。所以，软件工程师并没有走向没落，反而正处于飞速发展的阶段。同时他还在评论区进一步解释，说：程序员负责编写实际代码。而软件工程师（SWE）的工作则是将业务需求转化为技术术语，设计模块和流程，并确保交付质量。编码只是实现这一目标的手段。因此有了 AI 编程工具，软件工程师实际上会变得更加强大。而且，贾扬清还附带了一张配图，是程序员与软件工程师的趋势图，看图表，大概是在 2018 年左右软件工程师的数量正式超越程序员的数量。不知道大家怎么看？但是，无独有偶，昨天我写了一篇文章《前阿里 P10 毕玄的一张聊天截图火了》，前阿里 P10 的毕玄说：随着 AI Coding 的发展，公司决定以后不再按技术栈划分技术岗位了，公司所有的技术岗统一称为 Agent 工程师。在工作安排上相应的后续也就不再按照技术栈来安排，而是完全根据产品、项目任务来安排，这意味着以后一项工作里可能涉及各种技术领域，对于不同的领域，需要自己去学习，要么问同事，要么问 AI。其实，这两个观点不谋而合，说白了，他们都在讲同一件事：写代码本身，正在变得越来越不值钱。真正值钱的，是解决问题的能力。贾扬清把人分成了“程序员”和“软件工程师”。程序员是埋头写代码的，而软件工程师是负责把业务需求变成技术方案，设计系统，保证最后能交付的人。AI 编程工具的出现，让“程序员”的工作被大大简化了，但“软件工程师”反而因为有了强大的工具而变得更厉害。毕玄说的“Agent 工程师”更进一步。他认为以后连技术栈都不重要了，前端后端数据库，你可能都要懂一点，因为 AI 能帮你搞定大部分具体实现。你的核心任务，是作为一个项目的主导者，调动 AI 这个“超级员工”，去完成一个完整的业务目标。你看，一个是“软件工程师”，一个是“Agent 工程师”，叫法不同，但内核是一样的。都是在强调，未来的技术人员，价值不再是“我会用什么工具”，而是“我能解决什么问题”。为什么现在大家都在讨论这个？道理很简单，因为 AI 太能干了。以前，一个项目需要前端、后端、测试、运维，分工明确，因为每个环节都很复杂，一个人很难搞定全部。分工是为了提高效率。现在，AI 来了，它能写前端页面，能写后端接口，能写测试用例，甚至还能帮你部署。以前需要一个团队干的活，现在一个“工程师”带着 AI 就能干。这时候，公司最需要什么样的人？肯定不再是那个只会拧某一颗特定螺丝的“程序员”了。公司需要的是那个能画出整台机器图纸，并且能指挥一堆 AI 机器人把机器造出来、跑起来的“总设计师”，也就是“软件工程师”或者“Agent 工程师”。这对我们普通技术人意味着什么？我觉得有几点特别重要。第一，别再死磕某一个技术栈了。以前我们总担心“我的技术会不会过时”，现在可能要换个思路，你的“解决问题的能力”会不会过时。你应该去了解一个项目从头到尾的整个链路，前端怎么和后端交互，数据怎么存储，服务怎么部署。不求样样精通，但至少要能看懂，能和 AI 对话。第二，把 AI 当成你的副驾驶，而不是你的对手。你要学会怎么给 AI 提需求，怎么审查 AI 写的代码，怎么让 AI 帮你提高效率。你和 AI 的关系，就像一个项目经理和他的团队成员。你的价值在于你的经验、判断力和大局观。第三，多往业务靠拢。多去理解你做的这个功能，到底解决了用户的什么问题，为公司带来了什么价值。你越懂业务，就越能提出好的技术方案，也就越不容易被替代。只会听需求、写代码的“工具人”，未来会非常危险。所以，贾扬清说“程序员消亡，但软件工程师永存”，我深以为然。这其实不是一个悲观的预测，反而是一个乐观的信号。它告诉我们，重复、枯燥的编码工作会越来越少，而那些需要创造力、系统思维和工程智慧的工作会越来越多。对我们每个人来说，这既是挑战，也是一次巨大的机会，一次从“代码工人”转型为“问题解决专家”的机会。当然了，昨天的那篇文章火了，评论区都炸了，都在说一件事：想象的太美好了，感觉毕玄肯定不会写代码或者不在技术一线。我感觉大家讨论的也有道理，AI 写的代码现在确实有很多问题，比较难维护，不会复用，代码重复，冗余等等。这些问题都是现实存在的，但是，未来工程师的职责是架构设计，是统筹协调，是管理 AI ，这也肯定是趋势的，AI 毕竟在发展中，未来 AI 写代码的能力肯定会是越来越强的，这也是我们能够看得见的，可预测的。现在的 AI 确实很像一个虽然聪明但有点毛躁的“实习生”。他写代码速度飞快，但不懂复用，不考虑维护性，更没有架构意识。这时候，你作为“软件工程师”或者“Agent 工程师”，你的价值就体现出来了。你的工作不再是逐行去实现业务逻辑，而是：1、定义好框架和规范：你得告诉 AI，“我们这个项目要用什么样的设计模式，日志要怎么打，错误要怎么处理”。你制定规则，AI 在规则内干活。2、做好代码审查（Code Review）：AI 生成的代码，你得能看懂，能判断出好坏。哪里有坑，哪里不合理，哪里需要重构，你得指出来，然后让 AI 去改，或者自己动手改。3、关注系统整体：AI 可能给你生成了 10 个独立的模块，每个都能跑，但它们之间的数据怎么同步？认证怎么统一？出问题了日志怎么追溯？这些系统性的问题，AI 不会主动告诉你，它只会等你问。而一个好的软件工程师，在动手之前就已经把这些问题想好了。所以，说 AI 立刻就能取代所有编码工作，确实是太乐观了。但反过来说，因为 AI 现在代码写得不好就完全否定它的价值，又太悲观了。正确的看法应该是，AI 把我们从繁琐的“编码”工作中解放出来，让我们能专注于更有价值的“工程”工作。工程师的价值，正在从“亲手把砖头码整齐”，变成“设计出宏伟的大厦蓝图，并监督施工队（AI）把楼盖好，保证质量”。说到底，未来衡量一个技术人价值的，不再是你写了多少行代码，而是你交付了多高质量的系统，解决了多复杂的业务问题。这个趋势，我觉得是不可逆的。不知道大家怎么看？#科技先锋官##HOW I AI#

6. //@宝玉xp://@郑昀:当马斯克在xAI与SpaceX合并全员大会上要求Coding团队目标2026年底前“终结程序员时代”、直接生成二进制代码的时候，再来回顾UML联合创始人GradyBooch的这番言论还是挺应景的：“软件工程师是平衡各种力量的工程师。代码只是我们的工具之一，但不是唯一驱动力。他和他同行谈论的那些东西，没有任何一个涉及软件工程师必须处理的决策问题。这些决策问题包括什么？技术约束（物理定律、算法极限）、人的约束（团队组织、技能获取）、经济约束（投入产出比）、法律约束（数字版权）、伦理约束（该不该做）。这些AI一个都碰不到。软件工程史上每一次重大工具变革都引发过"程序员要被取代"的恐慌，从编译器到高级语言到面向对象，每一次恐慌都被证明是多余的。淘汰的是旧技能，不是工程师这个角色。区别在于以前受影响的是几千人，现在是几百万人——恐慌的音量更大了，但底层逻辑没变。”

7. AI时代下安全工程师培养的新范式

8. 如何看待淘天金码奖设立Prompt工程赛道，是否意味着「提示词工程师」将成为未来五年互联网行业新风口？

9. 如何成为一个AI Agent 工程师？

10. 【当LLM取代程序员，计算机科学将回归何处？】一条推文引发了一场关于软件工程未来的激烈讨论。原帖观点颇为激进：随着LLM逐步取代软件工程师，计算机科学将回归物理学家、数学家和电气工程师的领地。那些写满Web应用经历的简历，在Claude Opus 4.5之后或将成为历史遗迹。反对声音同样尖锐。有人指出，物理和数学的非前沿部分早已被自动化，而LLM至今仍未真正掌握软件工程。更有人直言：计算机科学和软件工程本就是两回事——擅长前者的人往往不擅长后者，反之亦然。最具洞见的反驳来自一位工程师：LLM适合做玩具和低风险系统，但真正的软件工程远不止语法翻译。数据结构与算法、离散数学、自动机理论——这些基础从未过时。真正懂这些的人，结合LLM反而获得了超能力：一个人一周能完成过去一个团队一个月的工作量。另一种视角同样值得深思：软件不会消失，只是抽象层在上移。优秀的工程师依然不可或缺，只是他们将更多地从第一性原理、物理规律和系统约束出发思考，而非纠缠于样板代码。还有人提出了一个尴尬的悖论：如果Claude能取代软件工程师，它同样能取代物理学家和数学家。或许真正的答案是：技术在变，但深度思考的价值从未改变。工具越强大，驾驭工具的人越需要理解底层逻辑。x.com/hindookissinger/status/2006396845967438259

11. AI 编程时代，最稀缺的不是提示词，而是软件工程

12. 【软件工程的本质已变：你在造产品，还是在造工厂？】最近一个观察越来越清晰：顶尖工程师早就不是在“写代码”了——他们在建造能够持续产出代码的系统。这不是什么玄学，而是非常务实的转变。当AI能在几秒内写出一个模块，瓶颈就从“敲键盘”转移到了“设计可扩展的系统”。现在我花更多时间在定义接口、测试策略和编排流程上，而不是实际编码。有人说得好：一个工程师建一座“工厂”（一套提示链或智能代理系统），产出可以超过十个用老方法造产品的工程师。这就是杠杆的本质——杠杆往上移了一层。说白了，我们从“写应用”变成了“写能写应用的机器”。最近我花在搭建流水线和基础设施胶水层上的时间，远超在具体功能上的投入。快速交付的秘诀不是写更多代码，而是减少摩擦。“建立好模式，然后让它自己跑起来”——这是个实用的策略。有人调侃说，从“快速行动打破常规”进化到了“快速行动并把打破常规这件事自动化”。当然也有人泼冷水：如果你的工厂生产的不是人们愿意付费的产品，那你只是在高效地制造垃圾。效率再高，也得有回报。这话在理——工厂思维是手段，不是目的。还有人提到，真正适应这个变化的工程师，在建造能按需重新生成整个功能的系统。改个提示，重建模块。而那些还在像2015年那样精雕细琢每个函数的人，正在被甩在后面。开发者的角色已经从“写代码的人”变成了“设计代码生成引擎的人”。有句话很精辟：工厂的职责是让发布变得无聊。如果发布还是个“大事件”，说明工厂还没建好。代码是输出物，不是工作本身。真正的杠杆在于那些可重复的系统——它们在你睡觉的时候继续交付。这让我想起马斯克说过的：造出能造机器的机器，才是真正的护城河。软件工程正在经历同样的范式转换。x.com/schickling/status/2012210968533532752

13. 近期AI编程工具快速迭代，业内关于“程序员被替代”“技术人员大规模失业”的讨论持续升温。对此，亚马逊云科技（AWS）首席执行官马特·加曼公开发声辟谣，驳斥AI引发的失业焦虑，并宣布亚马逊将在2026年继续扩招技术人才，计划在全球招募1.1万名软件工程实习生，持续夯实技术人才梯队。随着AI代码生成工具日益成熟，多家行业机构预警，基础编程工作或将迅速被人工智能取代，软件工程师职业面临颠覆性冲击。甚至有行业大咖直言，未来程序员岗位可能逐步消失，行业将迎来重大职业变革。面对争议，AWS高管明确反对极端替代论。加曼表示，亚马逊对软件开发人员的招聘数量保持稳定增长，技术人才需求不降反升。企业扩招步伐持续推进，实习招聘规模与往年持平，持续吸纳新生代技术力量，为云业务与AI业务发展筑牢人才根基。同时他也坦言，AI虽不会淘汰程序员，但会重塑岗位能力要求。未来，单纯手写基础代码的工作价值将持续降低，企业更需要擅长应用架构搭建、解决客户实际需求的复合型技术人才，综合业务能力将成为核心竞争力。#湖南广电 AI播新闻#

14. 开发项目管理常常需要监督编码代理，监控任务进度、审查PR、验证CI状态，还要手动处理复杂工作，来回协调效率低下。OpenAI Symphony 将项目工作转化为隔离的自主实现运行，让团队管理工作而非监督编码代理。不仅能监控Linear看板自动生成代理处理任务，还提供CI状态、PR审查反馈、复杂度分析和演示视频等工作证明，验收后安全合并PR。GitHub：github.com/openai/symphony主要功能：- 监控任务板（如Linear），自动生成隔离代理实现任务；- 提供完整工作证明：CI状态、PR审查、复杂度分析、walkthrough视频；- 安全PR合并机制，工程师无需实时监督；- 支持harness engineering代码库，适用于成熟项目；- 实验性Elixir参考实现，可快速部署运行；- SPEC规范公开，便于自定义开发其他语言版本。支持Elixir/Python等语言实现，适合工程团队和AI开发项目使用，低调工程预览版，专为可信环境测试。#AI##开源##开发工具#

15. 随着AI大规模使用，原本需要依靠程序员来搞定的代码撰写工作，瞬间变的简单很多，不过这对他们就业也有了不小的冲击。在今日举办的腾讯云AI产业应用大会上，腾讯高级执行副总裁汤道生在和腾讯首席AI科学家姚顺雨的对谈环节中透露，今年腾讯内部的大部分代码，都已经由AI生成产出。按照两位高管现场分享的实际落地进展，腾讯的工程师现在已经把更多精力投入到顶层架构设计这类更需要创造力的核心工作中。也就是说，原本逐行敲写基础代码的重复性工作，几乎全部交由AI承接完成，工程师只需要定期校准AI的生成逻辑，修正产出内容里的疏漏即可。值得注意的是，腾讯早在2025年10月发布的2025腾讯研发大数据报告中，就首次系统披露了AI编程工具在内部的渗透进度，当时全司超过90%的工程师都在使用自研AI编程助手CodeBuddy。

16. AI设计出来的火箭发动机，为什么让人类工程师看不懂？一个超越人类自身智力的AGI时代正在到来！#ai #火箭 #马斯克

17. 贾扬清：“软件工程师/Software Engineer”的定义从来不是“写代码的人”，“程序员/码农”才是。过去十年，我们越来越关注能够实现的功能，而不是代码本身。这是一种持续的趋势。所以，“软件工程师/Software Engineer”这个职业并没有消亡，反而蓬勃发展。

18. 算法工程师的真正分水岭：敢决策、敢担责、敢迈大步

19. 人工智能真的会让程序员在 5 年内失业吗？#春招offer来支招#不管是写代码的，画图的，还是做翻译、做客服、做财务的，AI 带来的冲击其实都挺像。它不是简单粗暴地让一个岗位消失，而是把那个岗位里最枯燥、最重复、最像机器人的那部分活儿给抽走了。剩下的，恰恰是需要咱们人最擅长的东西：比如创造力，比如复杂问题的拆解，比如和人沟通共情，比如做出权衡和决策。但只要你把自己当成一个用 AI 武装起来的解决问题的专家，那你不仅不会失业，反而可能会成为这个时代最抢手的人。来自知乎答主【猎鹰家的小鼠】

20. 下周要满血回归了，Claude in Chrome已经接替了我的大部分开发工作，我只要说说我的想法，它自动写需求文档，做线稿，做模版，然后我一看，嗯，挺好！就翻到工程师执行了，执行完，一提交，它会自动检查代码和实际页面，然后让我看一眼，就打个通过。我今天一天，安排了100多个开发任务给工程师，然后没活干了下周开始，全面恢复内容输出

21. 被 AI 赋能的设计师会觉得，那些让人头疼、爱唱反调、却又有主见的工程师，已经没那么重要了。被 AI 赋能的工程师会觉得，AI 产出的设计，对于大多数场景而言，早就够了。后端工程师可能认为，前端开发是个已经被解决的问题；而前端工程师则确定的认为，搭建一个 CRUD 应用，甚至整套后端 API，对 Coding Agent 来说也不过是小菜一碟。AI 仿佛在每个人耳边低语：除了你的工作，别人的工作都很简单。

22. #硅谷程序员用AI一周干完一整年的活#大模型已经开始发威了。claude code ,qcode 等工具将彻底改变IT行业，以前是花钱招人解决问题，以后大概率是花钱买token来解决问题。新加坡程序员的真实使用感受：claude code最近尝试出来的工作流：用superpowers写feature，TDD，debug，完了用code-simplifier简化code，然后用code-reviewer审阅，最后再commit

23. Claude Code之父：「品味」不是人类护城河；当工程师不再写代码，招聘看什么？

24. 最近我几乎每天都在跟AI一起编程，有时一天都不睡觉。不咋看微信、十几个小时连轴转，对着手机给AI下指令，让它做智能体、改Skill……#大有学问 #人工智能 #红衣聊AI #openclaw

25. 过去十年，大家一直在说AI会改变编程。但现在看，真正被改变的，可能不是“写代码”，而是“审代码”。如果未来AI写代码、审代码都变成了常态，程序员最核心的能力到底是什么呢？#大有学问 #红衣聊AI #anthropic #人工智能 #程序员

26. Vibe Coding纯小白教程：对AI说话就做出软件。手把手带你做出1个软件！

27. 近来，多位顶尖科技公司的资深软件工程师透露：“我现在的工作几乎全靠用 Opus 4.5、Cursor 或 Claude Code 进行提示生成代码，然后做理智的校验。”这标志着AI在软件开发领域已跨越了某个无形门槛，能够覆盖“绝大多数”编程任务。 Opus 4.5被认为是一个巨大飞跃，将开发任务的自动化率从约60%提升至80%。不少高级工程师表示，他们的日常工作变成了同时管理多个Git工作区，花5至10分钟给AI提示，剩下的时间主要审查和修正AI生成的代码。这一趋势引发了广泛讨论： - 资深开发者不再亲自写代码，而是通过订阅高级AI服务，指导AI完成任务。但这并非魔法，依然依赖使用者对需求和技术的深刻理解，否则适得其反。 - 有观点认为开发者正从“写代码”转变为“质量保证测试者”，主要职责是验证AI产出。 - 伴随着AI能力的提升，软件开发的难点正从编码转向明确需求、验证结果及价值归属。 - 一些人预见未来开发者更多成为高阶产品经理和系统架构师，专注于设计和规划，而非手写语法。 - 也有担忧，随着AI生成代码的普及，代码质量、技术债务和可维护性问题可能加剧，尤其在面对复杂系统和隐蔽bug时，人工介入仍不可或缺。 - 有开发者称自己已“彻底不写代码”，完全依赖AI辅助完成开发任务，强调了“提示工程”技能的重要性。 - 另一面，AI辅助加速了开发效率，让人们在同等时间内完成更多工作，但也带来技能退化的风险，初级开发者可能难以真正理解背后逻辑。 - 有声音提醒，AI生成代码的可靠性和安全性仍需人类专家严格把关。综合来看，AI正深刻改变软件开发的流程和角色定位：从传统的代码书写者，向“提示设计者”“系统架构师”乃至“质量监管者”转变。虽然AI大幅提升生产力，但复杂业务逻辑、系统设计、安全考量等仍需人类智慧主导。这与近期一篇《为何自1969年以来，我们每十年都试图取代开发者》的深度分析相呼应，文章指出历次技术浪潮虽提高了开发效率，但软件开发的本质——对复杂问题的思考和设计——是无法被工具完全取代的。未来，拥抱AI辅助开发，提升“提示工程”与系统思维能力，将成为软件工程师的新常态。唯有如此，才能在这场技术变革中保持竞争力，成为推动创新的主导力量，而非被技术边缘化的旁观者。 x.com/deedydas/status/2000472514854825985

28. 抖音前沿科技30X30｜采访AI超级个体 Gemini 3发布后，这5个开发者给自己的人生装上了外挂。 27年程序员老兵：用AI写出多部长篇小说，一边敲代码一边圆武侠梦；硬核奶爸：手搓本地AI操作系统，把私教装进孩子口袋； AI安全研究员：把AI变成科研副驾，打破思维墙；有效加速主义者：打造AI全自动分身，让AI替自己看新闻处理琐事；全栈讲师：降低新手学习门槛，把技术文档自动变成PPT；本期视频，产品君连线5位GDE谷歌开发者专家，带你拆解AI时代的超级个体，听听他们给普通人的真诚建议。 #前沿科技趋势发布月 #抖音知识年终大赏 #AI新星计划 #AI #Google

29. AI编程会替代程序员吗?

30. AI第一波下手最重的不是程序员而是白领？ #大咖观察 #红衣聊AI #职场 #职业规划

31. 《Karpathy："写代码"已经不是对的动词了》 Karpathy 做客 No Priors 播客，聊了编码 Agent 如何改变工程师日常、AutoResearch 如何一夜发现他两年没注意到的优化、AI 的参差性为何令人抓狂，以及为什么"原子比比特难一百万倍"。 Karpathy：″写代码″已经不是对的动词了

32. 发布了头条文章：《OpenAI 应用 CTO 和 Codex 负责人：AI 正在重塑构建软件的方式》 OpenAI 应用 CTO 和 Codex 工程负责人在 The Pragmatic Summit 上透露了内部真实工作状态：Codex 从工具进化成了队友，工程师合上笔记本去开会回来活已干完，设计师写的代码比半年前的工程师还多，一个 PM 靠 AI 变成了 50 倍效率的项目经理。 OpenAI 应用 CTO 和 Codex 负责人：AI 正在重塑构建软件的方式

33. 那些编程水平很高的程序员是怎么训练出来的?

34. > 不出三年,软件工程专业,大概就是新的五笔打字培训班。说这种话的人，大概率不真正理解“软件工程”这四个字里，“工程”两个字的含量。工程是把一件模糊的、不确定的事情，通过有计划、有步骤的方法，靠谱地做成。软件工程就是把这套思路用在软件开发上，需求怎么理清、架构怎么设计、质量怎么保证、团队怎么协作、项目怎么推进，这是一整套系统性的能力。AI 现在确实强，但它强在软件生命周期里的编码环节（还有很大进步空间），或者说某几个具体阶段。但编码只是软件工程的一个环节，AI 并不能主导整个生命周期，从需求分析、系统设计、技术决策、团队管理到长期维护，这些事情远不是写代码快就能解决的。至少在相当长的时间内都不行。把软件工程类比成五笔打字，这是把“编程”和“软件工程”搞混了。这就好比说有了 3D 打印，建筑学专业就是新的砌墙培训班。能快速盖出一面墙，和设计一栋安全、合理、可维护的建筑，完全是两回事。

35. 破防了，工程师抢着给 AI 当牛马，还说「真香」

36. 软件工程师的角色正在悄然转变，正从单纯的“代码工匠”走向“产品工程师”。大语言模型（LLM）让写代码变得前所未有的简单，真正的挑战不再是实现，而是“做什么”和“如何设计用户体验”。因此，越来越多工程师开始投身学习设计和产品思维。未来最有价值的工程师，是那些不仅能交付功能，更能塑造产品的人。这场变革带来了几个趋势和思考：- 产品、设计和工程的界限正在模糊，未来团队或许将由少数几个人组成，快速高效地驾驶AI工具，打造出高质量产品。- 代码实现不再是瓶颈，但系统架构、性能优化、代码质量和可维护性依旧至关重要。AI虽日益强大，但工程师对技术选型、架构设计和系统可扩展性的判断力依然不可替代。- 具备产品思维的工程师，懂得如何通过用户访谈洞察真实需求，这种能力比单纯编程更难能可贵。- 设计和产品技能是一门艺术，掌握它们需要时间和实践，工具如Cursor、Figma正在快速进化，助力工程师跨界成长。- 对技术深度和设计广度的平衡，是打造强大团队的关键。理想团队结构或许是三分之一工程技术，三分之一产品策略，三分之一设计体验。- 随着AI能力提升，传统产品经理角色可能重塑，甚至被具备业务敏感度的工程师所替代，或反之。总的来说，未来的软件工程师不只是写代码者，更是能够洞悉用户、把控产品全局的“产品构建者”。拥抱这场变革，将是每位工程师迈向更高影响力的必由之路。x.com/Cramer___/status/1999926485092807155

37. AI大佬Karpathy焦虑了：作为程序员，我从未感到如此落后

38. 把C++写的老项目重构成现代框架?给AI吧我不干了!

39. 《从写代码到管 Agent，大多数工程师还没准备好》斯坦福首门 AI 软件开发课讲师 Mihail Eric 谈初级开发者的三重困境、多 Agent 编排的真正难点、Agent 友好代码库的标准，以及为什么初级工程师的'无知无畏'在 AI 时代反而是超能力。从写代码到管 Agent，大多数工程师还没准备好

40. 回复@评论罗伯特:叫码农是有前瞻力的😂//@评论罗伯特:这就像以前的打字员和现在的程序员一样，以前的打字员只需要把文字输入到电脑中，而现在程序员需要理解和修改代码。设计师和前端工程师的角色也会发生变化，设计师可能需要更多的了解代码，而前端工程师则需要更多的理解设计。这将是一个挑战，也是一个机会，让我们看看谁能抓住这个机会，成为新的“打字员”。//@IT技术博客大学习:想聊聊一个实际问题：React 直出之后，设计师和前端工程师的协作流程会变成什么样？是设计师自己直接出页面了，还是变成"AI 生成 → 设计师审美把关 → 工程师修细节"？感觉不同团队会有完全不同的落地方式，大家在公司里实际遇到过这种变化吗？

41. 【软件工程的终局：当代码不再是答案】一个训练有素、拥有机器学习硕士学位的软件工程师，向同行发出了一个真诚的问题：对自己的未来，你是什么感受？ Andrew Trask的回答值得细读。他认为，人类社会的软件需求本质上只有两类：一对多的信息传播，以及多对一的信息收集与洞察。前者已被互联网和社交媒体解决，后者则催生了所有应用程序。这些应用依赖四种工具来“广泛倾听”世界：文献库、统计学、抽样和索引。Uber是附近司机的索引加上评分统计，Airbnb是房源索引加上评价系统。几乎所有平台都是这四种工具的排列组合。但这套体系面临三个根本问题：信息过载、隐私保护和真实性验证。AI正在解决第一个问题，让我们能以统计学的规模处理信息，同时保留文献库级别的细腻度。加密技术将解决隐私问题，允许你授予特定的数据使用权而无需交出副本。分布式系统则能通过“六度社交圈”查询来筛选信任，从根本上解决虚假信息问题。当这三者汇聚，软件作为一个项目将基本完成。我们不再需要为不同数据模式重建软件，因为不再需要通过统计和抽样来艰难理解世界——直接提问就能获得综合答案。用户会用提示词创建自己的网站，直到他们发现连网站都不需要。生活一直是选择题——去商店、投票站，甚至浏览Instagram，你都在从既定选项中挑选。品味由他人预设。但它即将变成填空题。填空题不需要那么多开发者来构建仪表盘提供选项。你需要的只是品味，以及知道该信任谁的品味。这个观点揭示了更深层的转变：软件工程的价值正在从“实现能力”迁移到“判断能力”。正如一位开发者所说，他不再觉得自己是打字员，更像是AI系统架构师——连接代理、评估机制和安全栏杆。另一位二十五年经验的工程师则直言：从未有比现在更好的时代，唯一遗憾是没有更多时间写代码。分化已经显现。顶尖工程师解决新颖问题、设计系统架构、做高层决策，他们的价值不降反升。初级工程师做模板化CRUD应用，面临最大冲击。中层工程师编写标准功能代码的，被挤压得最厉害——AI处理常规实现，人类处理边缘情况和系统集成。这种焦虑是有效的，但恐慌为时过早。编程工作不会在五年内消失，但确实在转型。重点应放在AI无法复制的技能上：系统设计、领域专业知识、利益相关者管理、调试复杂交互。就像电子表格消灭了计算员岗位，却创造了财务分析师角色。软件工程正在向更高抽象层演进。这个过程必然不适，因为我们正离开熟悉的“坐在屏幕前打字”的工作方式。许多人怀念敲代码时的心流状态，那种打造类、函数、变量的乐趣。但工程师本质是建造者，建造者永远不缺可建之物。软件工程是第一个被颠覆的行业，正因为这个行业的目标始终是迁移到下一个抽象层。其他行业会用监管、低效运作、就业保护计划、工会来对抗这种改变。而我们，会继续建造。 AI对软件工程的需求并未减少，只是改变了形式。好的软件需求正在激增。知道向AI提什么问题、如何超越第一个答案思考，这些技能极具价值。公司需要问题解决者。展示你的问题意识，而非编码速度。也许最本质的洞察来自这句话：如果你把自己看作写代码的人，地板正在下沉。如果你把自己看作决定该建什么、并用任何手段完成它的人，AI刚刚给了你这个职业有史以来最大的杠杆升级。护城河从来不是某项单一技能，而是你这个人。简评：软件工程并没有进入“终局”，而是进入了“青春期”后的“成年期”。童年期的乐趣是搭积木（写代码），成年期的责任是设计大厦（解决复杂问题）。如果你把AI看作对手，你会恐慌，因为它打得你满地找牙；如果你把AI看作工具，你会狂喜，因为它兑现了计算机科学几十年的承诺——用自动化来解决自动化问题。未来的工程师，必须停止把自己定义为“写代码的人”，而要开始定义自己为“在这个混乱的世界中，利用技术杠杆构建秩序的人。” 在这个时代，判断力 > 编码力，想象力 > 知识库，对人的理解 > 对机器的理解。这就是终局，也是全新的开局。 x.com/signulll/status/2023895986758623632

42. 我不少资深工程师朋友，开始担心，如果人人可以「生成代码」，那是否还有「程序员」这个职业——是否会像「打字员」那样消失？让我们回到第一个分句里。你是「工程师」，还是「程序员」。现在大多数人都会「打字」，但未必会「写作」，更遑论写文章、写剧本、写书。甚至打字这项技能，都可能变得无足轻重——如果你用过今年那些 AI 加持的、自动优化口语化输入的、甚至分点结构化一大段语音的语音输入法的话。程序员与工程师的差异，某种程度上，类似打字员和写作者的关系。你是一个技工，还是一个创造者？工具会革新，职业会消失。创造力不会。

43. #腾讯把写代码工作交给AI了#其实随着AI在B端的不断深入，以后社会对程序员的需求会大力增加的…B端能力+AI能力的地方太多了，现有的程序员不够。所以，未来程序员的机会在于传统行业，但是要求也会提高，不仅要懂业务，还要学会和业务沟通，不能欺负业务。

44. 人工智能科学家吴恩达发了一篇长文，讨论了硅谷新兴的AI前线部署工程师（FDE）岗位以及AI工程师的未来。硅谷最近有一个很火的新岗位，叫AI前线部署工程师（FDE）。简单来说，就是AI公司派工程师驻扎到客户公司里，帮他们定制AI解决方案，比如搭建和调优适合客户业务的AI智能体工作流。自从OpenAI和Anthropic开始组建专门的FDE团队派驻到客户那边，很多人又开始关注这个职业方向了。吴恩达说，FDE这个角色其实不算新鲜事。大概二十年前Palantir就这么干了，当时是派工程师去政府机构，在那些断网的安全网络上干活。做FDE光技术好还不够，你还得会沟通，有时候还得懂点商业。比如你得跟客户聊清楚他们到底要什么，帮他们排优先级，把复杂技术讲明白，客户提了不靠谱的需求你还得礼貌地怼回去。现在FDE又火起来，主要是因为把一个现成的大模型改造成适配某个企业具体业务的智能体工作流，这活儿实在太多太复杂了。不过吴恩达认为，AI工程师的岗位数量会远远超过FDE。原因很直接：一家公司可能接受几个外派的FDE，但大多数公司肯定更想让自己的员工来做自己的项目。他自己的团队也是这样，虽然也招FDE，但招的AI工程师多得多。还有一个很现实的顾虑：FDE很难做到厂商中立，他们本质上就是来把自家产品深度嵌入客户体系的。现在AI领域变化太快，谁也说不准一年后哪家的服务最好，保留选择权特别重要。让FDE把公司流程跟某一家供应商绑死，等于放弃了未来换方案的灵活性。吴恩达观察到，当前市场对AI工程师的需求正在猛涨。这些人需要会用大模型提示词、智能体框架、评估工具这些AI软件组件来构建应用，还得能熟练使用Claude Code、Codex这类AI编程助手。随着这个角色逐渐成熟，他预计会像当年通用软件工程师分化出前端、后端、移动端、数据工程、运维那样，AI工程师也会分化出更多细分方向。未来可能会出现LLMOps工程师、评估工程师、AI数据工程师这些我们现在还叫不上名字的新角色。但眼下，那些什么都能干的全栈型AI工程师正在创造巨大的价值，市场对他们的需求非常旺盛。吴恩达说他很期待未来十年AI工程领域不断冒出新的专业方向，创造更多就业机会。#科技先锋官##How I AI#

45. 朋友问我，有没有一种感觉：越用 AI 工具，越觉得作为程序员，自己要被替代。老实说，这种感觉或多或少是存在的。在过去，编程是一种很稀缺的技能。通常资历越老的程序员，能够解决的问题会越复杂，解决问题的速度也越快。但是今天，AI Coding 让程序员之间变得更加平权，大家都可以解决复杂问题，只要舍得花钱，速度也会非常快。那程序员是不是接下来要迎接一波下岗潮？我的判断是，这是必然的。对于那些没办法使用 AI Coding 来提升效能的程序员，肯定是要被淘汰的。但换个视角来看，对企业来说，企业的目标是交付价值。无论是古法编程的程序员，还是 AI Coding 的程序员，都是生产资料，在生产关系中是不可或缺的元素。程序员不会被全部干掉，他们一定会以一种更强、性价比更高的形式继续存在。 “程序员”的画像和技能结构会发生变化，岗位也会被重新定义。

46. 程序员工作的日常：代码背后的真实生活

47. 人社部官网查询【软件工程师】：敲动代码，搭建数字世界的基建者

48. 可能需要5年，也可能需要10年，但迹象无处不在，软件工程师的职业似乎正接近一个转折点....

49. 2026职场真相：程序员别只会写代码，这3个沟通技巧比技术更重要

50. 高级软件架构与系统设计 - 哔哩哔哩

51. 软件工程师是做什么的？

52. AI 编程的这一年:我做了很多 Demo,也踩了很多坑

53. 前端后端开发工程师已被替代？真相+行业现状+普通人应对

54. 前端 / 后端 / 嵌入式 / 软件开发的区别 + 各自主流技术栈

55. 程序员会议转任务工具推荐｜经过筛选的实用靠谱选择

56. 英伟达 | 软件工程师 - 机器学习推理 - 2026届应届毕业生

57. 程序员的时间管理为什么你总感觉写了一天代码但什么都没干完？

58. 谷歌75%代码由AI生成：18个月从25%到75%，工程师彻底转向代码审核

59. 我们团队的开会记录，终于不用专人整理了!

60. AI 把写代码变便宜之后，工程师更值钱的那部分反而更清楚了

61. 高级 Golang 开发工程师岗位拆解很多人以为高级 Golang 开发工程师就是写后端代码、做杂活，其实不是。这个岗位本质上是公司数据系统的搭建者和守护者，是支撑公司数据决策、业务增长的核心角色。比如负责 BI 系统、AB 实验、看板报表体系等数据工具的后端架构设计开发，还要参与需求分析调研，根据业务需求完成技术方案设计，同时保障相关服务的稳定性，及时响应突发情况。看起来都是技术工作，但每一件都不能出错：数据系统故障会影响公司的业务决策，AB 实验偏差会导致营销方向错误，服务中断会直接影响业务运转。所以高级 Golang 开发工程师最核心的能力，不是只会写基础代码，而是扎实的架构设计能力、问题排查能力和业务思维。这份 JD 里的要求，本质上是对岗位价值的明确：负责数据系统后端架构开发，是搭建公司数据决策的技术底座；参与需求分析和方案设计，是要求你能把业务需求转化为可落地的技术方案，而不是只做技术执行；保障服务稳定性，是要求你能扛事，系统出问题能快速解决，不影响业务运转。公司对这个岗位的真实诉求，也远不止会写代码：需要你有扎实的技术功底，熟练掌握 Golang 等后端语言和主流开发框架；需要你有业务思维，关注工作产出的价值，有用户思维；需要你有优秀的学习能力，能在技术调研中突破认知边界，跟上技术迭代。说白了，这个岗位的价值就是 —— 用技术搭建稳定、高效的数据系统，让公司的业务决策更精准，运转更顺畅。 #Golang开发 #互联网求职 #岗位拆解 #程序员求职 #面试求职

62. 时间管理：程序员如何每天多出3小时

63. 软件工程师 | 深圳艾为电气技术股份有限公司

64. 一个10年老码农的血泪复盘：资深程序员再往上走该怎么办？

65. 从“码农”到“架构师”：AI如何重塑程序员的工作方式

66. 还在人工整理会议纪要？太慢了！试试这个，协作效率翻倍。

67. 阿里程序员：活干得再好，不会向上沟通，照样白干

68. 程序员开始认真讨论后路了：AI 时代，写代码这件事正在被重新定义

69. AI时代工程师真正在做的事，不是写代码

70. 在谷歌工作14年的21条经验

71. 嵌入式软件工程师

72. 智能体协作，会如何改变程序员的工作模式？

73. “软件工程师”会消失么?

74. 程序员的7个特质：第4个决定你能走多远，第6个90%的人搞错了

75. 为什么一个会议就能毁掉程序员的一整天？——深度解析“创作者”与“管理者”的时间冲突

76. 开发团队每天在“对齐”什么？靠一块看板能终结80%的无效会议

77. AI 时代，软件开发者该如何不被淘汰？

78. 项目会议总结太耗时？6 款实用工具拯救加班族

扫一下，分享更方便，购买更轻松

0评论

当前文章无评论，是时候发表评论了

提示信息

取消

确认

评论举报

垃圾广告！低俗色情！人身攻击！疑似水军评论！其他有害！