当代码不再是护城河

晚上十一点，小周一个人坐在办公室里改一个报错。

这种时刻，他以前挺享受的。一个复杂的问题，像一个锁，你得找对钥匙，找到了就有一种说不清楚的满足感。但那天他心情不太一样。他把日志和代码扔给一个 AI Agent，几分钟后，原因、修改建议、连测试用例都回来了。他看了一遍，没什么好挑的。有几个地方，甚至比他自己想得还周全。

他坐在椅子上没动。窗外已经黑透了。

他突然觉得，自己这些年攒下来的本事，不知道从哪天起，开始变得没那么稀缺了。

这种感觉，我觉得很多写代码的人都开始有了，只是不太说出口。

过去我们相信一件事：只要技术学得够扎实，饭碗就稳。会 Java，会前端，会数据库，会搭系统，会在凌晨两点把线上 Bug 摁死——这些能力换来薪水，也换来一种踏实感，觉得自己是有用的人。可 AI Agent 出来之后，那条朴素的逻辑开始松动了。它不是帮你补几行代码，它更像一个能接活的同事：给它需求，它能拆任务、读项目、改代码、跑测试、提结果。

那我们还剩什么？

我想了很久，觉得这个问题不应该让人崩溃，但确实值得认真坐下来想一想。

说实话，很多程序员平时做的事情，谈不上太多创造。

复制一个接口、搭一个列表页、在类似的项目之间搬逻辑、按模板补测试——这些不难，就是要花时间，要细心。过去它们值钱，是因为机器还干不了，只能人上。可现在，这部分工作正在慢慢被接走。

令人难受的不是这件事本身，而是回头一看——有些人做了好几年，主要做的就是这些事。项目经验挺多，但把这些剥掉，下面的东西并不厚实。

AI 真正带来的冲击，其实是逼着人重新问自己一个问题：除了把需求翻译成代码，我到底还能给什么？

我认识一个做了八年开发的人，前阵子跟我说，他们团队来了个新人，用 AI 工具一周出的活，顶得上他以前一个月。他当时说这件事的语气很平，但我看出来他有点慌。

后来我们聊了挺久。我问他，这些年你最有成就感的是什么？他想了一下说，不是那些写得很快的功能，而是有一次他把一个运营反复投诉的老系统整个梳理了一遍，发现真正的问题不在代码里，在流程设计上——改了之后，那个投诉真的消失了。

我觉得他说的就是关键。代码是工具，背后是对问题的理解。一个医院挂号系统真正难的从来不是接口怎么写，而是病人怎么少排队、异常怎么处理、医生的习惯怎么兼顾。一个电商推荐系统真正麻烦的也不是算法，是用户凭什么信任你、商家为什么留下来。

技术门槛越来越低之后，理解问题的能力会越来越值钱。但这件事不是一朝一夕练出来的，它要求一个人真的在乎用户在烦什么，真的愿意去想这件事做了以后会发生什么。

Agent 可以生成一套方案，但它不必为上线之后的混乱负责。它不了解公司里那些没有写进文档的历史、妥协和人情。那些判断——哪些需求值得做，哪些风险不能冒，哪个看起来聪明的设计最终会伤用户——还是得有一个真正身在其中的人来做。

当然，也有人说，那以后我负责检查 AI 写的代码不就好了。

我理解这个想法，但我觉得这条路有点窄。因为检查本身，也可能被自动化。一个 Agent 写代码，另一个做 Review，再一个跑测试——这个闭环已经在形成了。

人不能只站在链条末端等机器递东西过来。

更有意思的位置，是站在任务最开始的地方：想清楚要解决什么问题，定义边界，决定做什么不做什么，然后承担结果。不只是说“写一个积分功能”，而是想清楚——积分是为了留人还是拉新？规则会不会被薅？客服会遇到什么麻烦？数据偏了谁来发现？上线之后凭什么知道它有没有用？

能问出这些问题的人，不会因为代码生成变快就失去位置。

也有人走向另一个极端，说技术不重要了，懂业务、会沟通就够。

我也不这么觉得。一个不懂技术的人，其实很难真正驾驭技术工具。Agent 给出的架构是否可靠，数据库设计会不会在半年后出问题，权限方案有没有漏洞——这些判断都需要真实的技术底子。只是以后这种底子的体现方式变了：不再是“我能手写这段代码”，而是“我知道什么是好代码，什么地方可以放心交给工具，什么地方必须自己盯着”。

就像一个建筑师，不见得每块砖都自己砌，但他得知道承重墙不能乱拆，雨水从哪里会渗进来，人在里面会怎么走。不然，再厉害的施工机器，只会更快地造出一栋有问题的楼。

AI 会放大一个人的能力，也会放大一个人的盲区。真的懂行的人，可以拿它做过去一个团队才能做的事；稀里糊涂的人，只会更快地制造麻烦。

还有一件事我想说，有点实际，但我觉得很重要。

很多程序员太习惯等任务了。需求来了就接，做完了就交，上线了就算。几年下来，代码越写越熟，但几乎不知道这个产品为什么存在，公司靠什么赚钱，用户为什么留下、又为什么走。

过去这种分工可以长期维持，因为执行本身有价值。但当 Agent 开始承接越来越多的执行工作时，“安静把别人布置的活做好”就不再是特别稳的位置了。

走出去听听。听听销售怎么介绍这个产品，看看客服每天被什么问题轰炸，和真实用户聊聊他们真正不满意的地方。不是为了变成产品经理，而是为了不再只看见需求单上的几行字。

一个知道问题从哪里来的程序员，写出来的东西会完全不一样。更重要的是，他能提出问题，而不只是等题目被人递过来。

Agent 很会答题，但题目从哪里来、值不值得答，这件事还是人的。

最后我想说一句可能有点扎心的话。

这场变化，不会对所有人都温柔。有些人会借此效率暴增，机会反而更多；但也确实有一些岗位，会慢慢变少。不是每个写业务代码的人，都能顺滑地转型成系统架构师或产品型工程师。有人已经三十五岁，上有老下有小，没有太多时间重来；有人刚学会第一门语言，发现入门的坑越来越少；也有人本来只想凭一门手艺安稳过日子，并没有什么“超级个体”的野心。

这些担心都是真的，也不该被一句“拥抱变化”打发掉。

但现实不会等我们。与其反复论证 AI 替代不了谁，不如认真想想，自己身上有没有什么是更难被替代的：更深的行业感觉，更强的判断力，更可靠的协作，更主动的问题意识，以及在混乱里把事情真正落地的能力。

不是每个人都要成为改变世界的人。但至少，不能让自己全部的价值，都押在一件机器正在做得越来越好的事情上。

很多年前，大家学编程，是相信代码可以让什么东西变好一点。做一个工具，让重复劳动少一些；搭一个系统，让复杂的事情顺畅一些。后来行业成熟了，那种感觉渐渐被流程和排期磨掉，我们开始把自己想成“生产代码的人”。

AI Agent 也许会拿走大量写代码的工作。但也许，它同时会把我们推回一个更本质的位置——去面对真实的人，真实的混乱，做出真正有价值的东西。

未来的程序员，可能不再以“今天写了多少行”为荣。他可能更经常说的是：这个问题我看清楚了。这件事交给我，我知道该怎么做。

代码会越来越便宜，工具会越来越聪明。但人的处境、人的需求、人的犹豫，不会自动消失。

所以，不必急着证明自己比机器更像机器。

只需要，成为一个机器没有办法替代的人。