AI 编程时代还要不要学编程，这个话题吵了一年多，但这几天社区的风向明显变了。
8 月 13 日，DeepSeek 开源了 DeepSeek Harness（dsh）。半小时破万星，12 小时冲到 5 万星，两天 9.5 万星——GitHub 史上最快涨星纪录。知乎而且这个工具一点也不极客：一行命令装上就能跑，还带图形化的 Web 界面和插件中心，上千款第三方插件，零基础照着教程就能装起来。
但工具越猛，另一个话题反而越热。先炸的是就业情绪。B 站一条标题叫《昨天热搜又爆了，因为ai不能拖工资，又重新开始招程序员了！》的视频，两天左右播放量冲到 94 万，评论超过 3200 条。哔哩哔哩微博上也流传着一段电梯里的见闻：「现在各个公司又开始招程序员了，因为AI不能拖工资但是人可以，AI每一次返工都要花钱但是人返工不需要花钱」。微博一条视频、一个段子都不能当就业市场的证据，背后的数据也无从核实，但情绪是真的：大家开始认真重估，AI 到底替代的是程序员的哪一部分。
知乎上的分裂更直白。「现在大家还自己写代码吗，感觉没ai我就写不出来了？」这个问题浏览量超过 7 万，今天早上都还有人在补新回答，其中一条把新常态说得很直白：写代码的方式变了，「AI写，我检查」。知乎另一边的焦虑更重，「现在程序员的代码大多数都是用AI生成的，后面会成为屎山代码看不懂吗？」问题页浏览量已经 128 万+。知乎一边说离不开，一边怕烂掉，几乎没人在争「要不要手写 for 循环」——问题本身已经换了。
不过还有一簇讨论，方向和这两边都不一样。小红书上一篇叫《用 Codex 三个月后，我开始回去学 Python》的笔记，赞接近 7000、收藏 6900 多——收藏比点赞还高，典型的「先码住回头照做」型干货帖。作者的结论不是「AI 真香可以躺了」，而是用了三个月 Codex 之后，反而更想回去把 Python 重新学一遍。小红书
往下翻评论和跟帖，理由其实高度集中。第一，读不懂，所以判断不了。AI 生成的代码看起来能跑，但你不知道它为什么能跑，改一处崩三处。有答主一针见血地指出，普通人根本无法判断 AI 的输出是否合格，「能跑」从来不等于「能用」。知乎「能跑」和「能用」之间的鸿沟，恰恰是会编程的人的价值所在。
第二，报错不会修。就拿最近社区里频繁出现的一个情况说：Codex 突然打不开，弹窗是英文——「ChatGPT failed to start」「Unable to locate the Codex CLI binary」，翻译过来就是「找不到 Codex 的命令行程序」，多半是路径配置或安装环境出了问题。小红书看得懂这一行英文，十分钟就能定位问题；看不懂，就只能卸载重装碰运气。这篇排错笔记默默收了 269 个赞、215 个收藏，热门的报错帖都有个共同点：先教你读懂报错。
还有「最后一公里」得自己动手。工具再猛，安装、更新、配置、排错，最后都要人来操作。就拿 DSH 的插件中心来说，装插件可能成功，也可能失败，失败了要看报错，有的配置要重启应用后才生效——通知面板里每一条都写得明明白白，但最后点确认的，还是你自己。
还有一层很少被说透：AI 编程工具不是免费的，选档位本身就是个决策。有篇横评把主流档位摆到了一起：「同一个页面，左边是 GitHub Copilot 的 $10/月（1,500 AI Credits），右边是 Cursor 的 $20/月（含 $20 API 池 + Auto Composer），下面是 Trae 的 ¥59/月（100 次速通/月）」。知乎各家计费逻辑不同、支持的模型不同，档位选错，就是白花钱。
更隐蔽的成本在用量。Composio 团队做过一组对照实验：同一个 Kimi K3 模型，放进三个不同的智能体框架里跑 28 个完全相同的任务，成功率差不多，但 token 用量最多能差到 30 倍！知乎换算成钱，三个框架平均每个任务的成本大约分别是 0.22 美元、0.28 美元和 2 美元——同一个任务、同一个模型，账单差出近十倍。用哪个框架，直接决定你的账单有多贵。
那到底要不要学？按人群拆开说。
纯新手，只想做个小工具、小网页：不用先系统学，直接上手。把时间花在「说清需求」和「读懂报错」上，语法可以不会背，但英文报错至少要能看懂、能去搜。
想靠这个吃饭、想碰复杂系统：基础绕不过去。有答主反问得很狠：没学过编程的人也许能用 AI 做出一个简单网站，但让他做一个复杂微服务系统，就算给他最好的大模型，也没人敢打包票。知乎数据结构、读代码、调试、版本控制，这些不是旧时代的包袱，是 AI 时代的水电煤。
已经在岗的：重心正在从写代码，转向审代码、拆任务。知乎有高赞回答引述 Google 2025 年第四季度财报电话会，称大约一半的代码由智能体编写、再由工程师审查——这是知乎答主的转述，我没能独立核实原文——但方向很明确：「审 AI 的代码」正在变成核心技能。知乎
最后，给三个值得继续盯的信号。一是 harness 层的成本战：同一个模型，谁能把同样的活干得更便宜，谁就占下一轮的先手。二是 AI 生成代码的审核流程会不会标准化，大厂的工具或行业规范值得留意。三是招聘要求里「会用 AI」和「懂底层」的权重变化。这三件事任何一个有实质进展，今天这个问题的答案都会跟着变。AI 编程这波值得上车，但不值得闭眼上——学不学编程，答案不是学与不学，而是怎么学、学多深，取决于你想自己握住方向盘，还是交给运气。
