当 AI 替你把代码写完，你还能留下什么？

最近我常跟同行说一句玩笑话：再这么下去，程序员可能就要过时了。

话是夸张的，但焦虑很具体。以前做一个项目要五个人，以后两个人带着 AI 就能做完——企业迟早会算这笔账。我们总安慰自己说，AI 让程序员效率更高了。可站在公司的角度，”效率更高”还有另一层意思：不再需要那么多人了。

软件会越来越多，写软件的人，却不一定跟着变多。

写代码这件事，其实已经在被 AI 接手了——不是将来时，而是进行时，只是程度深浅不同：有人只让它补几个函数，有人整段业务逻辑都交给它搭。代码写得越多，交出去的就越多。越是这样，越该想清楚一个问题：留在我们手里的，还剩什么？

“会写代码”，正在从门槛变成日用品

过去，把想法变成软件是一道真实存在的门槛。你想做个网站、做个工具，光有想法不够，要么自己懂技术，要么找懂技术的人。

现在这道门槛正在肉眼可见地降低。AI 能写页面、接接口、帮你查问题，也能把一个你没碰过的项目讲给你听。它当然会出错，也需要人把关，但那些过去必须亲手完成的工作，如今可以先交给它。

门槛一旦消失，价值的参照系就变了。以前，你知道怎么实现而别人不知道，这就是优势；以后，只要能把需求描述清楚，任何人都能拿到一份像样的实现。

如果我们的价值还停留在”这个功能我会写”，会越来越难说清楚：凭什么被雇用的是我？

十年经验，也需要重新定价

做了十年开发，到底积累了什么？

是理解业务的能力，是面对复杂问题的判断，还是把相似的增删改查写得越来越熟练？

以前，熟练本身就是竞争力。你踩过坑、熟悉某个框架的脾气、交付比别人快，这些都很值钱。这些经验不会凭空失效，但 AI 正在帮后来者快速跨过其中一部分门槛——”用过某个框架”正在变成一件可以被替代的事。

接下来真正能拉开差距的，大概是这些瞬间：

拿到需求时，你能不能看出它根本没被说清楚？看到方案时，你能不能判断它把简单问题搞复杂了？功能做完后，你能不能确认它真的解决了问题？

写出来是一回事，知道该不该这么写，是另一种本事。

我越来越看重”代码品味”

如果让我说这几年自己最想练成的本事，大概是四个字：代码品味。

不是看见漂亮的命名就赞叹，不是用了某种设计模式就觉得高级。而是一些更朴素的问题：

这个地方有必要抽象吗？这个模块是不是管得太多了？为一个还没发生的需求，值得把整个系统弄复杂吗？

AI 是全世界最愿意”锦上添花”的队友。你说要扩展性，它给你设计一套架构；你说要考虑未来，它还能继续往上加。可一个系统里，总得有人说一句：够了，这里不用这么复杂。

做产品也一样。功能可以越加越多，页面可以越做越满，但用户真正需要的，往往只是很小的一部分。实现越容易，取舍就越重要——我们太容易把”做得出来”，误当成”值得做”。

这些判断，AI 不会替你做。它们会留在你手里。

底层的东西，反而更不能丢

有人觉得，既然 AI 能写代码了，底层知识就不用学了。我的想法恰好相反。

你可以少记 API、少背语法，但你必须知道系统大概是怎么运转的。否则你很难回答这些问题：AI 给的方案有没有权限漏洞？数据会不会重复写入？出了故障能不能恢复？现在跑得通，数据量上来之后呢？

如果完全不懂，你看到的就不是一个方案，而是一个暂时还没暴露的问题。

就像带一个团队，你不必每件事都亲手做，但你必须听得出来哪个方案不对劲，还得在关键时刻做决定。基础知识，就是你判断 AI 的底气。

以后，一个人要负责一整件事

我预感到的下一个变化是：越来越多的人要从头到尾负责一件事。

搞清楚要解决什么问题，决定先做什么、后做什么，让 AI 完成实现，自己检查结果，再把它交给真实的人使用。过去这些环节分散在几个岗位上，以后一个人借助工具，可能就要扛下其中的一大半。

所以我越来越看重四种能力：规划、审美、基础、创造。

规划，让模糊的想法一步步落地；审美，让你知道什么该留、什么该删，那些看起来很厉害的做法未必有必要；基础，让你能判断对错，而不是只看演示效果；创造，让你找到值得做的事，而不是等着别人给你派活。

这些能力以前也重要。只是当写代码占用的时间越来越少，它们会越来越直接地决定一个人的价值——也决定 AI 交还给你之后，你手里还剩下什么。

编程会普及，机会却未必

我真心喜欢 AI 带来的一件事：一个人有了想法，可以很快把它做出来。不用先凑齐团队，也不用为一个小工具等上几个月。这种创造的自由，确实让人兴奋。

但我不会因此觉得所有程序员的前景都会变好。

人人都能做软件，不代表人人都能靠软件赚钱。做出来之后，还是得有人用、有人愿意付费。你得理解一个行业，找到客户，获得信任——这些事情，不会因为代码变便宜就自动解决。

更可能出现的情况是：少数人借助 AI 做出更多产品，更多人虽然学会了开发，却找不到愿意为这项能力付钱的人。