ARTICLE · 1211662
AI浪潮的冲击下,程序员该如何自保
AI浪潮的冲击下,程序员该如何自保最近看到的一些招聘启事，要求"熟练使用Cursor/Claude Code，能独立交付完整模块"。没有写"精通Java"，也没有写"五年以上经验"。那一刻我忽然意识到：这场淘汰赛考的不是谁代码写得快，而是谁还能定义问题。 过去两年，AI写代码的能力以肉眼可见的速度跨越了几个台阶。从补全一行，到生成一个函数，再到读懂整个仓库、跑通测试、自己修bug。于是"程序员要被取代了"的声音每隔几个月就响一次。 但如果你回头看看历史，会发现一个有意思的现象： 每一次工具升级，消灭的都是"熟练工种"，而不是"解决问题的人"。 所以真正危险的信号不是AI有多强，而是你每天的工作里，有多少是"熟练工种"——照着需求文档翻译成语法、改字段名、调样式、写重复的CRUD、在群里问"这个报错怎么解决"。这些活，AI不仅会做，还做得比你快、比你稳、不闹情绪。 我们可以把软件开发拆成几层： 表格
看懂这张表，自保的方向就清楚了：往上走，往两端走。 往上，是从"实现者"变成"设计者和决策者"；往两端，是一头扎进业务（懂人在为什么付钱），一头扎进底层（懂机器到底在干什么）。 中间那层——纯翻译需求为代码——正在被快速抽空。 这是性价比最高的一次升级。 多数程序员的日常是：产品经理给文档，我估工时，我开发。但最有价值的那句话往往在文档之外——"我们为什么要做这个？不做会怎样？有没有更便宜的办法？" AI可以完美实现一个错误的需求，而且速度极快。这就意味着：提错问题的成本被大幅放大了。反过来，能准确定义问题、能砍掉伪需求、能用技术方案重塑业务流程的人，价值会被成倍放大。 练法很简单：下次接到需求，先别打开编辑器，先问三个问题——用户是谁、他现在怎么解决、他愿意为此付出什么。问完你会发现，至少三分之一的需求不值得做。 以前我们比谁知道得多：哪个框架新、哪个参数怎么用、哪个坑要避开。现在知识半衰期短到以月计算，背不动了。 取而代之的是判断力： 判断力来自两样东西：吃过亏的经验和能推演的原理。前者靠项目积累，后者靠你不满足于"能跑就行"。每次AI给你一段代码，多花十分钟搞懂它为什么这么写——这十分钟，就是你和AI的护城河。 这条最实在。同样是做一个功能，有人还在手动敲模板，有人已经能让AI跑完80%、自己只做关键20%的审核和收尾。 productivity 差的不是一倍，是五倍。 具体怎么做： 记住：会用AI的人，替代的是不会用AI的人。这不是未来时，是进行时。 说句可能不太好听的话：很多程序员的技术水平，早就够用了，卡住他们的是另一件事—— 写作、表达、谈判、带人、向上管理——这些能力AI目前帮不上太多忙，因为它们的核心是跟人打交道、跟人达成共识。而软件这件事，从来都是人的事披着技术的外衣。 一个能写清楚技术方案、能在会上说服别人、能把团队带着往前走的人，在任何时代都稀缺。 最后这条有点反直觉：不要什么都追热点。 AI最擅长的是平均水平的通用能力。它最不擅长的，是需要长期浸泡才能拿到的东西——某个行业的深层know-how、某套复杂系统的历史包袱、某种极端场景下的调优经验。 找一个领域扎下去：金融清算、工业控制、音视频、数据库内核、安全、医疗信息化……越脏越累越没人愿意干的角落，护城河越深。泛泛的全栈工程师正在贬值，但"懂XX行业的技术专家"反而更贵了。
我始终相信一件事：技术革命淘汰的从来不是人，而是人身上那些像机器的部分。 机械的、重复的、可预测的——这些本来就不该是一个人的核心竞争力。AI把它们拿走，某种意义上是种解放，逼着我们去干更像人的事：理解别人、做出选择、承担责任、创造一点世界上原本没有的东西。 二十年前，会打字是一项技能；十年前，会搜索是一项技能；今天，会提问是一项技能。明天呢？ 大概是：知道该问什么，以及问了之后该怎么办。 浪潮来了，挡不住。但我们可以学会冲浪——风浪越大，鱼越贵😄。
一、先承认一个事实：焦虑是对的，但方向错了
IDE普及的时候，没人再手抄汇编了；
Stack Overflow出现的时候，背API手册的人失业了；
云计算起来的时候，会装机房的人变少了；
GitHub Copilot出来之后，模板代码确实写得少了。
被淘汰的不是程序员这个职业，而是"只会写代码的那部分程序员"。
二、搞清楚一件事：AI到底替代了什么
三、五个真正抗跌的能力
1. 把"接需求"变成"挖需求"
2. 建立"判断力"，而不是"记忆力"
AI给了三个方案，选哪个？为什么？
这段生成的代码看着能跑，但它会在什么情况下崩？
这个架构三年后会不会成为负债？
3. 成为"会用AI的人"，而不是"怕AI的人"
把AI当实习生带：给它上下文、给它约束、让它先讲思路再写代码。你喂的信息质量，决定它输出的质量。
建立自己的prompt资产库：代码审查清单、单测生成、日志分析、迁移脚本……这些是可复用的杠杆。
守住最后一道门：永远自己跑一遍、测一遍、想一遍极端情况。AI不会为你的线上事故负责，你会。
4. 补一块"非技术"的肌肉
说不清自己的方案好在哪；
跨部门协作时总被当成执行方；
做了很多事，但没人知道价值在哪。
5. 留一个"深水区"
四、几个可以明天就开始做的动作
盘点你的时间：记录一周，看看多少时间在写"AI能写的代码"。超过50%，就该警惕了。
每周交付一个"超出预期"的东西：不是完成需求，而是提出一个没人想到的改进。这是你不可替代性的证据。
读源码，少读教程：教程教的是用法，源码教的是思考过程。后者才是AI给不了你的。
输出：写博客、做分享、开源一个小项目。在一个AI产能过剩的时代，
可信度和口碑成了新的稀缺品。
保持身体和情绪的健康：听起来跟技术无关，但长跑拼的是这个。焦虑的时候去运动，比刷十篇"AI要取代谁"的文章有用得多。
