夜雨聆风做程序员14年，我以为自己写代码已经很溜了，直到Claude Code出现，我才发现自己可能正在过时。
那个让我清醒的时刻
2025年的某个下午，我像往常一样打开GitHub，一个叫Claude Code的项目突然火了起来。
我盯着屏幕看了很久。
不是因为它有多厉害——那个版本其实很粗糙。而是因为我突然意识到：这件事的方向是确定的，速度只会越来越快。
那一刻我39岁，公司内部晋升通道基本堵死，上有老下有小。我告诉自己：必须动起来。
从那之后，我开始折腾
说实话，刚开始我很迷茫。
ChatGPT已经能写代码了，GPT-4更是强得离谱。我作为一个14年经验的程序员，我的价值在哪里？
但我没有停下来。我开始系统地学：
• AIGC基础：理解大语言模型的工作原理 • LangChain/LangGraph：学习如何构建Agent应用 • AI编程工具：Claude Code、Cursor、Copilot... • RAG开发：让AI理解私有知识 • 工作流编排：扣子、Dify这些平台
这些东西有的已经用在了实际项目里，有的还在摸索。我没有一夜顿悟，没有华丽转身，就是一边上班、一边学、一边试。
但在这个过程中，我发现了一些很重要的东西。
我观察到的三大范式转变
第一范式：从"写代码"到"描述意图"
以前我们写代码，是这样的：
def calculate_sum(numbers): total = 0 for num in numbers: total += num return total现在用AI编程，变成了这样：
请帮我写一个函数，计算列表中所有数字的总和，要处理空列表的情况，返回0看起来更简单了？不，是更难了。
为什么？因为你要更清楚地知道你想要什么。以前你只需要知道怎么写，现在你得知道怎么描述。
这背后其实是OpenSpec（开放规范）的思想：不是让AI猜你想要什么，而是用规范的语言描述清楚你的意图。
我刚开始的时候，经常写得很模糊："帮我写个爬虫"——结果AI给我写了个我也不知道能不能用的东西。
后来我发现，越具体、越清晰的描述，AI给出的结果越好。这其实是挺反直觉的：我们以前强调"代码要简洁"，但现在"描述要详细"。
第二范式：从"单点工具"到"能力编排"
以前我们用工具，是这样的：
• 写代码用VS Code • 调试用Chrome DevTools • 部署用Docker
现在AI编程时代，工具变成了"能力"：
• AI可以写代码 • AI可以调试 • AI可以写测试 • AI可以写文档
但这不代表你就可以什么都不干了。
恰恰相反，你需要做的是编排这些能力。
就像一个指挥家，你不需要会拉小提琴，但你需要知道什么时候让小提琴进场、什么时候让整个乐队合奏。
这就是Superpowers（超级能力）的概念：把AI当成你的超级助手，不是替代你，而是放大你的能力。
我现在的日常工作流是这样的：
1. 需求分析：我自己思考，但用AI帮我梳理逻辑 2. 架构设计：我先画草图，让AI帮我review和补充 3. 代码实现：简单代码我自己写，复杂逻辑让AI写框架我来填充 4. 测试调试：AI写测试用例，我来验证边界情况 5. 文档编写：代码注释让AI生成，我来review准确性
效率提升多少？大概2-3倍。但更重要的是，我可以专注于更重要的"决策"部分。
第三范式：从"个人能力"到"工程化体系"
这个可能是最重要的转变。
以前我们评价一个程序员，看的是：代码写得好不好、debug快不快、懂不懂算法。
现在在AI时代，这些都可以被AI辅助完成。
那什么变得更重要了？
• 如何把AI工具集成到团队协作流程中？ • 如何保证AI生成的代码质量？ • 如何管理和版本化你的Prompt？ • 如何构建团队的AI知识库？
这些就是Harness Engineering（驾驭工程）要解决的问题。
我之前在一个项目中，团队尝试引入AI编程工具。一开始很混乱：
• 有人用Copilot，有人用Cursor，有人不用 • AI生成的代码风格不统一 • Prompt写得好的人效率高，写得不好的人效率低
后来我们做了一套工程化方案：
1. 统一工具链：全团队用同一套AI工具 2. 代码审查规范：AI生成的代码必须经过review 3. Prompt模板库：沉淀常用的Prompt模式 4. 知识库建设：用RAG让AI理解我们的业务逻辑
效果很明显：团队整体效率提升了40%，而且代码质量反而更稳定了。
程序员的三个新角色
在这些范式转变下，我看到程序员的角色也在变化：
角色1：AI架构师
不是写代码，而是设计"如何用AI解决问题"。
• 需求：理解业务、理解AI能力边界、系统设计 • 价值：把AI能力编织成解决方案
角色2：提示词工程师
不是写代码，而是写"让AI理解你意图的描述"。
• 需求：逻辑思维、语言表达、AI工具熟悉度 • 价值：让AI发挥最大效能
角色3：AI工程化专家
不是用AI，而是让团队用好AI。
• 需求：工程思维、团队协作、工具链整合 • 价值：让AI能力变成团队的生产力
我现在的角色，更多是这三个的结合体。
我的建议
如果你也在AI转型的路上，我有几个真实的建议：
1. 不要等"准备好了"再动
我见过太多人，说要"系统学习"AI，结果半年过去了一章都没看完。
最好的学习方式，就是在项目中用。
哪怕是小项目，哪怕是自己写的side project。用AI写一个小工具、用AI重构一个旧模块——这才是最快的成长方式。
2. 关注"能力"而不是"工具"
工具会变，但能力不会。
今天流行Claude Code，明天可能就是别的工具。但"如何描述需求"、"如何编排AI能力"这些是通用的。
把精力放在理解原理上，而不是追逐最新工具。
3. 找同路人
AI转型这条路，一个人走挺孤独的。
我建了一个小圈子——「程序员AI转型群」，就是想聚集一群在转型路上的程序员，互相看见、一起往前走。
不是课程，不是训练营。就是一群人在一起，分享经验、踩坑避坑、互相打气。
写在最后
我不知道这条路最终走向哪里。
但我知道，坐着等答案，比走错方向更危险。
我自己也还在转型路上，不是站在终点回头看你，是走在前面一两步的同路人。
如果你也在AI转型路上，欢迎来：
加我微信 jaqen6688，备注「转型」，我会拉你进群。
14年，39岁，还在折腾。
这件事本身，就已经是答案了。
