GitHub爆火的这些AI工具,让我开始怀疑＂程序员＂这个职业

GitHub trending页面，今天的热榜有意思了——Chrome DevTools给AI编程智能体专门出了个工具包，37k star的agent-skills项目告诉你怎么让AI智能体完成生产级工程任务，还有一个叫agentmemory的项目，专门解决AI智能体的"记忆"问题。

我盯着看了半小时，心里冒出一个问题：写代码这件事，还值得我花多少时间去"精通"？

个项目：Chrome DevTools 工具包

先说今天最让我意外的一个项目。

ChromeDevTools/chrome-devtools-mcp，38000多star。这个项目做的事情很直接——把Chrome DevTools的能力封装成MCP协议，让AI编程智能体能够直接控制浏览器进行自动化操作。

什么意思？以前AI智能体写代码，盲区在于它看不见实际运行效果。页面跑没跑通，交互对不对，它得靠你告诉它。现在不一样了，接上这个工具，AI智能体可以直接打开Chrome，打开某个页面，执行JS，截图，看控制台输出，整个闭环自己跑完。

这意味着什么？意味着AI调试代码这件事，开始有雏形了。以前AI只能生成代码，调试还得靠人。现在生成、运行、验证、修复，AI自己就能跑一个小型迭代循环。

我试了一下，配合Claude Code用，效果确实有点东西。但更让我在意的是这个项目背后的信号——浏览器自动化这件事，正在成为AI编程智能体的标配能力。

个项目：agent-skills 技能库

第二个想聊的是agent-skills。

addyosmani维护的，37k star，这位是Google的前工程师，现在专门做AI编程智能体的工程技能库。项目里收集了生产级AI智能体需要具备的各种技能，比如怎么处理长期任务，怎么做自我纠错，怎么管理上下文窗口。

我看了它的设计思路，有个核心观点我很认同：AI智能体在代码任务上表现好不好，80%取决于你给它什么样的"技能指令"，而不是模型本身有多强。

翻译成人话就是，给AI一套好的prompt模板，比换个大模型更有效。这个项目做的事，就是把各种代码任务的最优prompt框架沉淀下来，变成可复用的技能模块。

对程序员来说，这带来了一个很现实的问题：以前我们学的是"怎么写代码"，以后可能得学"怎么给AI写任务指令"。这不是玄学，是一门需要刻意练习的新技能。

个项目：agentmemory 持久化记忆

第三个想说的是agentmemory。

rohitg00/agentmemory，今天的trending里排名第三，3300多star。这个项目解决的是AI编程智能体的记忆问题——现在的AI智能体，每次对话都是"失忆"的，上下文窗口用完就忘了之前做了什么。agentmemory做的事，就是给AI加一层持久化记忆层，让它能跨会话记住项目结构、代码规范、上次没解决的问题。

对个人开发者来说，这个工具的价值在于：你不用每次都从头向AI解释你的项目背景了。对团队来说，AI Code Review的时候能记住之前提过的风格问题，下次不会再犯。

这类"记忆层"工具今年应该会越来越多，本质上是在解决AI编程智能体的"连续性"问题。当AI能记住足够多的上下文，它能做的事情边界会快速扩展。

我的个人感受

说说我自己的感受。

大厂干了六年，我一直觉得写代码是核心竞争力。这几年看着AI写代码的能力从"玩具"变成"能用"再变成"好用"，心态上其实经历了好几个阶段。

最开始是焦虑，觉得要被取代了。后来试着把AI用进工作流，发现它确实能帮我处理很多重复性高的活儿，效率提升是实实在在的。但同时也发现，AI写代码的上限，取决于你描述问题的能力。你能不能把一个模糊的产品需求翻译成精确的技术方案，这个翻译工作，AI现在还是干不好。

所以我现在的判断是：AI不会取代程序员，但会用AI的程序员，会取代不会用的。这个判断听起来是老生常谈了，但真正在工作中感受到这个趋势的时候，冲击感还是不一样的。

值得关注的三个方向

具体到最近的GitHub趋势，我觉得有三个方向值得关注。

AI编程智能体正在从"生成代码"向"自主调试"进化，Chrome DevTools MCP这类工具是标志性事件。接下来AI能自己跑测试，自己看报错，自己修复，程序员的角色会进一步从"写代码"转向"审代码"。
AI智能体的工程化能力在快速补齐。agent-skills这类项目在解决"AI怎么才能在生产环境稳定工作"的问题，当这个问题被解决得七七八八，企业大规模采用AI编程智能体的障碍会大幅降低。
记忆能力和多模态能力会成为下一代AI编程工具的标配。今天的trending里已经有agentmemory了，接下来多模态的AI工具会越来越多，能同时处理代码、文档、图表、UI的智能体，会是下一个竞争高地。

重新定义"精通"

回到开头那个问题，写代码还值得花多少时间去"精通"。

我的答案是，精通这件事的定义要变了。以前精通意味着你能比大多数人写得更好更快，现在精通可能意味着你能更好地判断AI写的代码对不对，更好地把产品需求拆解成AI能执行的任务单元。

这不是说代码能力不重要了，而是代码能力的使用方式在变。就像 calculators时代，数学能力并没有失去价值，但会用计算器的人取代了不会用的人。

我最近在刻意练习一件事：每写一段代码之前，先想清楚这段代码的"验收标准"是什么，边界条件有哪些，AI在什么情况下会出错。这个思考模式本身，就是AI时代程序员最核心的能力。

有些东西，真的在变了。