跳至正文
i@laoer.com

技术、生活、感悟 -- Laoer的博客

i@laoer.com

技术、生活、感悟 -- Laoer的博客

  • 首页
  • 人工智能
  • 互联网
  • 商业观察
  • 天乙软件
  • 用药有数
  • 隐私政策
  • 关于
  • X
  • 首页
  • 人工智能
  • 互联网
  • 商业观察
  • 天乙软件
  • 用药有数
  • 隐私政策
  • 关于
  • X
关

搜索

  • 首页
  • 人工智能
  • 互联网
  • 商业观察
  • 天乙软件
  • 用药有数
  • 隐私政策
  • 关于
  • X
i@laoer.com

技术、生活、感悟 -- Laoer的博客

i@laoer.com

技术、生活、感悟 -- Laoer的博客

  • 首页
  • 人工智能
  • 互联网
  • 商业观察
  • 天乙软件
  • 用药有数
  • 隐私政策
  • 关于
  • X
  • 首页
  • 人工智能
  • 互联网
  • 商业观察
  • 天乙软件
  • 用药有数
  • 隐私政策
  • 关于
  • X
关

搜索

  • 首页
  • 人工智能
  • 互联网
  • 商业观察
  • 天乙软件
  • 用药有数
  • 隐私政策
  • 关于
  • X
99%的代码都由AI写了,那程序员真正值钱的是什么?
人工智能博客文章工作构架设计

99%的代码都由AI写了,那程序员真正值钱的是什么?

作者 Laoer
2026年10月4日 10 分钟阅读
0

Table of Contents

  • AI写代码,正在把具体实现从程序员工作里拆出去
  • 会查日志和知道该查什么,其实是两种能力
  • 程序员不会平均地被AI影响
  • 程序员价值,可能越来越取决于“业务×技术×AI”

AI写代码越来越快,程序员价值到底在哪里?前几天的一次线上故障,让我重新想了想这个问题。

前几天,客户突然报了一个线上问题:即时对话里的消息发不出去了。

我们的应用底层用的是腾讯 IM。看到这个现象,我第一反应不是去查客户端,也不是怀疑腾讯 IM 本身出了问题,而是觉得消息发送的回调链路可能有问题。

于是我让部署在生产环境里的 DeepSeek Harness 去查日志。现在我的运维方式已经和以前很不一样了,不需要先打开 Kibana,根据时间、用户 ID、关键字一点点搜索,而是直接告诉 Harness:客户消息发送失败,重点检查消息发送回调相关的日志。

很快就找到了原因。

服务器时间不准,已经与当前时间相差63s。

AI写代码后的线上故障排查:DeepSeek Harness 发现服务器时间漂移63秒

我们的回调程序会对腾讯 IM 请求中的时间戳进行校验,因为服务器时间发生漂移,正常的回调请求被判断成了无效请求,程序随后把消息丢弃了。我校准服务器时间,又把 chronyd 配置好,问题解决。

这是一个不算复杂的线上故障,但处理完以后,我反而一直在想另一件事情。

我们现在这个系统,99%以上的代码已经由 AI 编写。我自己真正一行一行敲进去的代码已经非常少了。但客户只说了一句“消息发不出去”,我为什么会首先想到回调?

这件事让我重新理解了,在 AI 已经可以大量写代码以后,一个程序员真正值钱的部分到底还剩下什么。

AI写代码,正在把具体实现从程序员工作里拆出去

我自己这两年的变化非常明显。

以前做一个功能,从需求、数据库设计、接口、前端、测试到上线,中间很大一部分时间就是写代码。现在需求和架构确定以后,大量具体实现都可以交给 Coding Agent。我更多是在描述需求、补充上下文、检查实现结果,以及遇到问题以后决定应该从哪里开始排查。

所以我并不认同一种比较常见的安慰式说法:AI 只是一个提高效率的工具,程序员的工作不会发生根本变化。

至少从我自己的实际使用来看,变化已经发生了。

过去程序员一个非常重要的能力,是把需求翻译成可以运行的代码。现在这部分工作的成本正在快速下降。一个熟练使用 Agent 的开发者,一天可以产生过去几个人才能完成的代码量,而且随着模型和 Agent 继续进步,这个趋势大概率还会继续。

Google DORA 在 2025 年针对近5000名技术从业者的研究中发现,接近90%的受访者已经在工作中使用 AI,超过80%的人表示生产力有所提升。不过与此同时,仍有30%的人对 AI 生成的代码几乎没有或完全没有信任。DORA 对这个现象的总结很有意思:AI 更像一个放大器,它可以放大一个团队原本具备的能力,也会放大原来就存在的问题。

我自己的体验也差不多。

AI 已经可以把代码写得非常快,但“代码越来越容易得到”和“软件越来越容易做好”,并不是一回事。

这次消息发送故障就是一个很小的例子。

如果让我自己去搜索日志,当然也能找到问题。DeepSeek Harness 的价值在于,它把后面搜索、关联日志、检查代码这些工作大幅加速了。但客户说“消息发不出去”的时候,整个系统至少有很多地方都可能出错:客户端 SDK、网络、IM 服务、鉴权、消息回调、业务逻辑、数据库,甚至配置和服务器环境。

Harness 可以查这些东西,但首先查哪里,仍然取决于你怎样理解这个系统。

会查日志和知道该查什么,其实是两种能力

我后来想,这可能是目前很多关于 AI Coding 的讨论里容易被忽略的一点。

我们很喜欢测 AI 会不会完成某个任务:能不能修 Bug,能不能写完整功能,能不能通过测试,能不能操作数据库。但线上故障通常不会把任务描述得这么清楚。

客户不会告诉你:

“腾讯 IM 回调接口因为服务器时钟漂移,导致 RequestTime 校验失败,请检查 NTP。”

他只会说:

“消息发不出去。”

从这句话到检查消息回调,中间实际上经过了一次很大的搜索空间压缩。

我知道腾讯 IM 在整个业务里的位置,知道一条消息发送以后还要经过哪些环节,知道我们在回调里面做过什么处理,也大致知道哪些问题会导致消息完全发不出去,哪些问题只会造成展示异常。

这些东西并不是某一段代码,而是一个人在长期开发和维护系统以后,脑子里形成的一张地图。

以前这张地图往往是在写代码的过程中自然形成的。数据库是自己设计的,接口是自己写的,第三方服务也是自己接的,所以系统哪几个地方容易出问题,基本心里有数。

现在有了 AI,一个新的问题开始出现:代码生成越来越快,但人对系统的理解未必同步增长。

这也是我现在使用 Coding Agent 时比较在意的一件事。我可以不亲手写代码,但技术架构、主要模块、业务流程和关键依赖仍然必须清楚。如果连这些都不知道,那么 AI 写得越快,系统反而可能越快变成一个没人真正理解的黑盒。

所以我越来越觉得,未来软件开发的一个重要瓶颈,可能会从“代码生产能力不够”,逐渐转向“人的认知跟不上代码增长”。

这也解释了为什么在 AI Coding 时代,架构、测试、日志、可观测性和文档可能会重新变得重要。过去很多团队觉得这些事情不直接产生功能,能省就省;但当 Agent 可以一天修改大量代码以后,如果没有足够好的测试和运行数据,人甚至很难知道它到底改对了没有。

程序员不会平均地被AI影响

当然,从这次经历得出“所以程序员不会被 AI 淘汰”,我觉得也太乐观了。

有些程序员的工作确实正在被快速压缩。

如果一个岗位主要做的是根据明确需求写接口、CRUD、简单页面、调整字段、补单元测试,或者按照一个已经定位清楚的 Bug 修改几行代码,那么这些任务越来越适合交给 Agent。过去企业需要很多人的原因之一,是软件生产本身非常耗费人工;当生产代码的成本快速下降以后,开发团队的结构当然会发生变化。

最近的一些就业数据已经开始出现这种差异。

Stanford Digital Economy Lab 在2026年8月更新的一项研究中,分析了覆盖数百万美国劳动者的 ADP 薪资数据。研究并没有发现 AI 已经造成全经济范围的大规模岗位消失,但在 AI 暴露程度较高的职业中,22至25岁年轻劳动者的就业水平,相对于低暴露同行应该达到的趋势已经低了19%,而经验更丰富的劳动者没有出现类似缺口。软件开发正是研究列出的高 AI 暴露职业之一。

另一项2026年9月发布的研究规模更大,分析了41个国家12.5亿条招聘信息和1.54亿条就业记录。研究者发现,企业采用生成式 AI 以后,Junior 员工在员工结构中的占比相对下降。不过这里有一个很重要的细节:这种变化主要不是来自 Junior 员工大规模减少,而是 Senior 员工增长得更快。

我觉得这个结果比“AI 会不会让程序员失业”更值得讨论。

AI 对程序员的影响,很可能不会平均发生。

那些工作内容主要集中在“把一个已经定义清楚的问题实现出来”的人,会承受更大的压力;而能够自己定义问题、理解业务、设计系统、判断风险,并且能够调度 AI 完成大量执行工作的人,生产力反而可能被进一步放大。

过去一个优秀程序员和普通程序员,也许只是代码质量和开发速度的区别。以后这种差距可能会变成,一个人能不能带着几个甚至几十个 Agent,同时管理更大的系统范围。

这并不意味着 Senior 天然安全。所谓经验如果只是记住更多 API、框架用法和语法细节,同样很容易被模型覆盖。真正留下来的经验,应该是知道一个复杂系统为什么这样设计、业务真正关心什么、哪些地方不能出错,以及出现异常以后怎样最快建立一个靠谱的假设。

程序员价值,可能越来越取决于“业务×技术×AI”

这些年有一种观点很流行:程序员会成为最早被 AI 淘汰的职业之一。这个判断不能说完全没有道理,因为程序员创造的东西恰好就是代码,而代码又是大模型最容易大量学习和验证的内容之一。

但经历这次故障以后,我更倾向于认为,我们过去可能把“程序员”和“写代码的人”看成了同一件事情。

在很长一段时间里,两者确实高度重合,所以这个区别没有那么重要。但 AI 正在把它们拆开。

一个未来的软件工程师,也许绝大多数代码都不是自己写的。他需要做的事情可能变成:理解业务到底要解决什么问题,设计系统怎样实现,用 Agent 完成具体任务,然后根据测试、日志和生产数据判断结果是否正确。出了事故以后,他还要知道应该先怀疑哪里。

这种能力很难简单叫作“编程”,但它依然属于软件工程,而且可能比过去更依赖技术经验。

我现在做项目,越来越能感受到这种变化。

我的代码写得越来越少,但我反而不能比以前更不了解系统。如果业务流程不清楚,架构不知道,Agent 为什么这么改也不关心,那么所谓“99%的代码都由 AI 写”,并不一定是一件值得炫耀的事情。它也可能意味着,项目里产生了越来越多没有人真正理解的代码。

前几天那个故障处理完以后,我没有改多少代码,甚至整个排查过程中最费时间的工作都是 DeepSeek Harness 做的。

但如果再来一次类似问题,我还是希望自己看到客户描述的那一刻,脑子里能够马上出现那张系统地图。

因为至少从目前来看,代码已经越来越便宜了。

真正稀缺的,是有人知道这些代码为什么存在,它们和业务怎样连接,以及当系统不再按照预期运行时,应该从哪里开始找答案。

标签:

AI
作者

Laoer

1999年开始做互联网,做过开发、技术管理,也创过几次业。 现在依然在一线做产品、写代码、折腾AI。 关注AI如何重新改变软件、公司和人的工作方式。 公众号:Laoer杂谈。

关注我
其他文章
苏姿丰花82亿美元请来李飞飞,AMD真正缺的可能不是更快的GPU
上一个

苏姿丰花82亿美元请来李飞飞,AMD真正缺的可能不是更快的GPU

中美AI竞争真正的胜负手,不是谁的模型更强,而是谁先让AI研究AI
下一个

中美AI竞争真正的胜负手,不是谁的模型更强,而是谁先让AI研究AI

暂无评论!成为第一个。

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注

这个站点使用 Akismet 来减少垃圾评论。了解你的评论数据如何被处理。

微信订阅

欢迎订阅微信公众号--“Laoer杂谈”,搜索微信号:laoertalk,“Laoer杂谈”是关于技术、创业、生活的杂谈与随笔,希望与大家多多交流。

用药有数·DoseLoop

用药有数·DoseLoop 一款不会响完就消失的用药提醒。每次计划用药持续追踪,直到有明确结果。支持慢病、老人、ADHD 等各种用药场景。

标签

AI AI Agent AI Coding Anthropic ChatGPT Claude Claude Code Codex DeepMind DeepSeek DeepSeek Harness Gemini Google GPT iOS iPhone Java JavaScript jQuery Kimi Kohana Linux LLM Mac Meta Mysql Nginx OpenAI Oracle PHP RSA Sam Altman SNS Struts Tomcat Web2.0 互联网 人工智能 创业 大模型 字节跳动 工作 旅游 生活 管理

日历

2026 年 11 月
日 一 二 三 四 五 六
1234567
891011121314
15161718192021
22232425262728
2930  
« 10 月    

近期评论

  • 黄仁勋卸任:1158亿财报后,英伟达由盛转衰? - i@laoer.com 发表在《当OpenAI们开始自己造芯片,英伟达为什么要花140亿美元买Hugging Face?》
  • Gemini 4 Hydrogen 实测与定价分析:谷歌把 Flash 变贵了? 发表在《跑分破纪录、内部重写百万行代码,为什么程序员实测 Gemini 4 还是觉得不如 Claude?》
  • AI Coding 已经不稀奇了:从1个插件看软件开发成本的变化 - 技术、生活、感悟 - Laoer的博客 发表在《从瀑布到敏捷,再到AI原生:软件工程正在进入第三个时代》
  • AI Agent跨App困局:20年平台围墙与Palantir解法 - i@laoer.com 发表在《155款App拉黑豆包手机:大厂怕的不是AI乱花钱,而是AI不看广告》
  • 腾讯AI战略的深层困局:马化腾28周年讲话与过去的成功 发表在《155款App拉黑豆包手机:大厂怕的不是AI乱花钱,而是AI不看广告》
  • 腾讯AI战略的深层困局:马化腾的AI焦虑与过去的成功 发表在《红果短剧月活4.1亿,为什么AI更容易做成流量生意?》
  • Gemini 4 Hydrogen 实测与定价分析:谷歌把 Flash 变贵了? 发表在《Gemini 4 Argon已经开始赢跑分了,但真正的考试还没开始》
  • AI Coding 文档管理:写代码越来越快,文档却更重要了 发表在《AI写代码已经不稀奇了,真正的变化是很多东西突然值得做了》
  • 大模型商业化:中国AI模型越来越强,为什么反而更难赚钱? 发表在《DeepSeek V4涨价后,真正的问题不是谁在用,而是谁在赚钱》
  • Laoer 发表在《AI 有没有意识还没定论,Anthropic 为什么先限制虐待它?》

分类

  • iOS
  • Java
  • JavaScript
  • Linux
  • Mac
  • PHP
  • Web2.0
  • 互联网
  • 人工智能
  • 创业
  • 博客文章
  • 商业观察
  • 工作
  • 数据库
  • 构架设计
  • 生活

归档

  • 2026 年 11 月
  • 2026 年 10 月
  • 2026 年 9 月
  • 2026 年 8 月
  • 2026 年 7 月
  • 2026 年 6 月
  • 2026 年 1 月
  • 2024 年 12 月
  • 2024 年 10 月
  • 2024 年 8 月
  • 2024 年 7 月
  • 2023 年 12 月
  • 2023 年 1 月
  • 2022 年 8 月
  • 2021 年 12 月
  • 2021 年 10 月
  • 2020 年 12 月
  • 2020 年 1 月
  • 2018 年 12 月
  • 2018 年 8 月
  • 2018 年 4 月
  • 2017 年 12 月
  • 2016 年 12 月
  • 2016 年 8 月
  • 2016 年 2 月
  • 2015 年 12 月
  • 2015 年 1 月
  • 2013 年 6 月
  • 2013 年 5 月
  • 2012 年 11 月
  • 2012 年 7 月
  • 2012 年 6 月
  • 2012 年 5 月
  • 2012 年 3 月
  • 2012 年 1 月
  • 2011 年 12 月
  • 2011 年 11 月
  • 2011 年 10 月
  • 2011 年 9 月
  • 2011 年 8 月
  • 2010 年 11 月
  • 2010 年 2 月
  • 2010 年 1 月
  • 2009 年 12 月
  • 2009 年 11 月
  • 2009 年 9 月
  • 2009 年 7 月
  • 2009 年 6 月
  • 2009 年 5 月
  • 2009 年 4 月
  • 2009 年 3 月
  • 2009 年 2 月

其他操作

  • 登录
  • 条目 feed
  • 评论 feed
  • WordPress.org
Copyright 2026 — i@laoer.com. All rights reserved. Blogsy WordPress Theme