我觉得 AI 编程正在带来一个特别有意思的变化就是写代码的门槛越来越低，但证明自己真正懂工程的门槛，反而可能越来越高。 以前一个人能够独立开发网站、写后端、… · @UPing123zzz · TwKit

@UPing123zzz

我觉得 AI 编程正在带来一个特别有意思的变化就是写代码的门槛越来越低，但证明自己真正懂工程的门槛，反而可能越来越高。 以前一个人能够独立开发网站、写后端、部署服务，至少能说明他具备一定的编程能力。现在不一样了，你甚至不需要完全理解一套系统，就能让 AI 帮你搭出来。README 写得特别漂亮，页面做得特别炫酷，GitHub 上挂着十几个项目，技术栈看起来什么都有。 但这些东西到底有多少是真正理解的，又有多少只是让 AI 生成以后直接提交上去的？ 说实话，我自己也经常用 Codex 开发，所以我并不是觉得 AI 写代码有什么问题。恰恰相反，我觉得一个程序员如果现在还完全排斥 AI 编程，本身就可能错过很大的效率提升。 真正的问题是当所有人都能快速生成代码的时候，我们应该用什么标准判断一个工程师的能力？ 我越来越觉得，不能只看一个人写了多少代码、用了什么框架、GitHub 上有多少仓库。更重要的是，他能不能解释自己的架构选择，出了问题能不能定位，系统有没有测试，真实用户能不能正常使用，依赖升级以后还能不能维护。 一个项目有几千个 Star，未必意味着它具备生产级可靠性；一个仓库没有多少关注，也未必说明它没有技术价值。 对于 AI 应用来说更是这样。做一个能跑通的 Agent Demo 和交付一个能够稳定运行的企业 Agent，中间隔着大量权限、状态管理、工具失败、异常处理、成本控制和评测问题。 这些东西不会因为 AI 能写代码就凭空消失。 我甚至觉得，未来工程师的作品集不应该只展示最终页面，还应该展示为什么这么设计、做过什么实验、遇到过哪些失败，以及最后如何证明系统真的有效。 代码本身正在变得越来越容易获得，但对代码负责的能力并不会因此变得廉价。 以后真正能区分程序员水平的，恐怕不是谁能更快生成一万行代码，而是谁知道其中哪几千行根本就不应该存在。

曝光 426 · 评论 8 · 点赞 3 · 书签 1