下午4:30，我打开 在线文档，准备写今天的日报。

三个需求，一个 bug 修复，一个技术方案要评审。

如果是两年前，我会先把简单的 bug 修了，然后花一上午写那三个需求的代码，下午再搞技术方案。一天下来，满打满算，能写个四五百行代码，累得跟狗一样。

但今天不是这么干的。

我先把 bug 的日志扔给 Claude Code，让它帮我定位问题。两分钟之后，它告诉我问题出在哪个类的哪一行，什么原因，怎么修。我 review 了一下，没问题，apply。

bug 修完了，总共花了五分钟。

然后我开始搞那三个需求。我没有直接写代码，而是先打开 Cursor，用自然语言把三个需求描述了一遍，让它帮我生成代码框架。Controller、Service、Mapper、异常处理，全套的。生成完之后我逐个 review，改了一些细节，补了一些逻辑。

三个需求的代码框架，半小时搞定。

下午的技术方案，我让 Claude 先帮我做了一轮技术选型分析，把几个候选方案的优劣列出来，我在这个基础上做判断，然后让它帮我把方案写成文档。

四点半，今天的活干完了。

我坐在那想了想，这一天我亲手写了多少行代码？可能不到 100 行。但我完成的工作量，比两年前的一整天还多。

这就是 2026 年开发者的真实工作流。

不是科幻片里那种 AI 全自动写代码、程序员坐在旁边喝咖啡的场景。但确实已经跟两年前完全不同了。

什么变了

坦率的讲，2026 年最大的变化不是某个具体的工具，而是代码生成的边际成本趋近于零了。

以前写一个 CRUD 接口要半小时，定义路由、写 handler、做 validation、处理错误，每一步都得你亲手来。现在呢？Claude Code、Cursor、Windsurf 这些工具，几分钟就出来了。

你品品这代表啥。

平庸的代码不再稀缺了。

任何能快速描述清楚需求的人，都能让 AI 产出「能用」的代码。以前写代码是一种技能，现在写代码更像是一种指令。你告诉 AI 你要什么，它给你什么。

这就引出了第二个变化，开发者的角色从「写代码」变成了「判断代码」。

你不再需要亲手写每一行。你需要的是判断 AI 写的代码是「对的」还是「看起来对但其实错了」。这个区别非常微妙，但非常重要。AI 生成的代码，语法一定是对的，逻辑大概率也是对的，但它可能在某些边界 case 上有坑，可能跟你的业务上下文不完全匹配，可能用了一种「能跑但不是最优」的实现方式。

你需要更深的理解力，不是更浅，我在内部培训上说，如果AI产出的代码是你的10倍，那么你必须具备10倍审阅代码的能力，否则你驾驭不了AI产出的代码，你要慢下来。

第三个变化是迭代速度被重新定义了。

以前一个开发循环是这样的，想清楚→写代码→测试→改，一个循环几小时。现在呢？想清楚→让 AI 写→验证→改，一个循环几分钟。

想法的验证成本低了 10 倍。但同时，垃圾想法的浪费也快了 10 倍。以前你有个不太靠谱的想法，可能因为实现成本太高就算了。现在你发现 AI 两分钟就能帮你做出来，你就去做了，做完发现方向是错的，两个小时就这么浪费了。

速度是武器，也是陷阱。

真实的工作流长什么样

说到这个，我想用自己最熟悉的场景来展开一下。

我现在带团队，每周、每月都在做同一件事，在 Spring Cloud 微服务的基础上开发新模块、新功能。核心业务系统不能停，新功能还得照样上。

这种场景下用 AI 写代码，跟写一个独立的小项目完全不一样。你面对的不是一个空白的编辑器，而是一个几十万行代码的存量系统，里面有三年的历史包袱、二十几个人的不同编码风格、以及一堆 nobody knows why 但 nobody dares touch 的祖传代码。

以前接到一个新需求，我的流程是这样的，先花半天读相关的代码，搞明白现有的架构和调用链路，然后在脑子里设计新模块怎么融入现有系统，最后开始写代码。整个过程少说也得一两天。

现在不一样了。

我会先让 Claude Code 帮我梳理现有模块的代码结构和调用链路。你把核心模块的代码扔给它，让它帮你梳理一下核心业务流程、主要的调用链路、数据是怎么流转的。几分钟之后，一份清晰的梳理就出来了。不是说这份梳理就是 100% 准确的，你还是要自己去验证，但它帮你跳过了从零开始摸索的过程。

然后我会在 Cursor 里用自然语言描述新需求，让它帮我生成代码框架。但这里有个关键点，你不能就写一句「帮我加个积分功能」就完事了。你得把上下文给足，这个模块要跟哪些现有服务交互，数据存在哪个库，接口的入参出参是什么，异常怎么处理，配置放哪里。

输入的质量决定输出的质量，我一直强调你给AI的是屎，吐出来的也只能是屎，话糙理不糙。

生成完代码框架之后，我会用一个检查清单过一遍，接口契约是否清晰？边界是否明确？扩展点是否合理？配置是否外置？日志是否可追踪？有没有降级方案？测试用例是否覆盖核心链路？

这个检查清单以前是给 code review 用的，现在变成了 review AI 输出的标准动作。

有个事我印象特别深。有一次我让 AI 帮我写一个新模块的代码，它生成了一个看起来非常合理的实现。我 review 的时候觉得没什么问题，就 apply 了。结果上线之后发现，它用了同步调用去访问一个响应很慢的下游服务，高并发的情况下直接把整个调用链拖垮了。

如果是一个资深工程师来写，他会本能地想到用异步或者熔断。但 AI 不会，因为它不知道那个下游服务在生产环境的实际响应时间。它只看到了代码层面的逻辑正确，看不到运行时的性能特征。

这就是为什么我说，AI 能帮你写代码，但不能帮你做架构判断。

怎么跟老板算账

说到这个，很多技术 Leader 都会碰到一个问题。老板问你，我们花几万块买 AI 工具，到底赚回了多少？

你不能用「感觉效率提升了」来回答。老板要的是数字。

我自己梳理了一下，发现传统的工程指标在 AI 时代基本失效了。代码行数？AI 一键生成 300 行，但可能 200 行是废话。提交频率？一天 commit 10 次，可能在改同一个 bug。Story Points？更不可靠，AI 让估算游戏变得更复杂了。

你需要的是业务指标，不是工程指标。

我总结了五个可以量化的指标。

第一个，代码审查时间。以前每个 PR 平均审查耗时 45 分钟，AI 之后降到了 25 分钟，因为 AI 已经帮你检查了基础问题。按每天 10 个 PR、22 个工作日算，一个月能省下大概 3600 多美金。

第二个，Bug 修复时间。不是说 AI 生成的代码 bug 更少，而是从发现 bug 到修复的时间缩短了。AI 能快速定位问题、生成修复方案。MTTR（平均修复时间）的缩短是可以直接算钱的。

第三个，新人 Onboarding 周期。这个是最大的隐性收益。以前一个新人进来，三个月才能独立干活。现在有了 AI 当 24 小时在线的导师，六周就够了。你算算，按年招 10 个人来算，光薪资成本一年就能省下十几万美金。这还没算老人带新人花的时间。

第四个，高级工程师的时间释放。以前高级工程师 40% 的时间在写样板代码，现在降到了 15%。释放出来的时间花在架构设计、代码审查、业务讨论上。这是最贵的 ROI。

第五个，决策速度。AI 能快速生成 PoC，技术选型验证从两周变两天。这个没法直接算钱，但你想一下，少走了两周弯路，竞品还在对比你已经上线验证了。这是战略级的 ROI。

把这五个指标汇总一下：

一个 10 人团队，月省大概两万八。如果工具费是五万，两个月就回本了。

当然，这里有两个坑需要注意。

第一个坑，不要只算「省了多少时间」，要算「释放的时间创造了什么价值」。如果省下来的时间只是让人多刷了一会儿手机，那 ROI 就是零。

第二个坑，不要忽略「AI 债」。过度依赖 AI 可能导致团队能力退化。这个我后面会专门讲。

什么没变

说完了变化，我想聊聊什么没变。

因为这部分可能比「什么变了」更重要。

第一，判断力比产出力更重要了。

我能让 AI 一秒写出 100 行代码，但它是不是「对的架构」？是不是在正确的抽象层级？是不是在为未来留余地？这些判断，AI 做不了。

以前你招一个开发，你看的是他代码写得好不好。以后你看的是他判断代码好坏的能力。这个转变听起来有点抽象，但其实非常具体。比如 AI 给你生成了两个方案，一个用 Redis 做缓存，一个用本地缓存。哪个更好？这取决于你的业务场景、数据一致性要求、部署架构。AI 可以给你列出两个方案的优劣，但最终的判断必须是你来做。

第二，简洁依然是最难的。

AI 擅长的是「加法」，你让它加功能，它就加。你说我要一个用户注册功能，它给你加上。你说再加个手机号验证，它给你加上。你说再加个邀请码机制，它也给你加上。

但真正的产品功夫是「减法」。

iPod 只有一个轮盘。iPhone 干掉了键盘。这些决定不是 AI 能做的，因为 AI 不会主动做减法，它等你告诉它砍什么。而砍什么，需要的是对用户需求的深度理解和对产品方向的清晰判断。

第三，端到端的品味无法外包。

你可以让 AI 写代码、写测试、写文档，但它无法替你决定「这个体验是不是让人愉悦的」。品味，对什么是好产品的直觉，依然是人的事。

Mac 的字体渲染为什么看起来就是比 Windows 舒服？iPhone 的触控延迟为什么就是比 Android 低？这些不是技术问题，是品味问题。有人愿意为了那 20 毫秒的延迟多花三个月去优化，有人觉得差不多就行了。

这种「差不多就行了」和「不行，还得再打磨」之间的区别，就是品味。AI 分不清这个。

危险在哪

说完什么没变，我想诚实地说说危险在哪。

因为光看好消息会让你放松警惕。

第一个危险，一代开发者正在失去「亲手构建」的能力。

如果每一行代码都是 AI 写的，你永远不会真正理解它是怎么跑起来的。你只知道它跑起来了，但不知道为什么这样跑。遇到 AI 没见过的 bug，你就卡住了。

这就像用导航软件开了三年车，突然有一天导航挂了，你发现自己完全不认路。

我自己也有这个焦虑。虽然我写了很多年代码，但现在越来越多的代码是 AI 生成的，我只是在 review。有时候我会刻意自己手写一段，就是为了保持那种「手感」。不是因为我写得比 AI 好，而是因为如果我完全失去了手写代码的能力，我就失去了判断 AI 输出质量的基准线。

第二个危险，同质化正在加速。

当所有人都用同一个模型、同一个提示词、同一个最佳实践，产出的代码结构会越来越像。你去看十个用 Cursor 生成的 Spring Boot 项目，它们的目录结构、命名规范、异常处理方式可能长得一模一样。

这不是多样性，这是生态风险。

就像所有人都种同一种粮食，产量确实高，但一场病虫害就能全军覆没。代码也是一样，如果所有项目都用同一种模式写，一旦那个模式被发现有系统性的安全漏洞，影响面就是灾难级的。

第三个危险，「够好」的诱惑太大了。

AI 能给你 80 分的代码，很快。但伟大的产品不是 80 分堆出来的。

MacBook 的一体成型工艺，为了那 20% 的极致，多花了 10 倍的功夫。iPhone 的圆角矩形，为了像素级的完美，设计师和工程师吵了无数次。这些东西在 AI 的世界里会被归类为「过度优化」，但在产品的世界里，这些就是区分「好」和「伟大」的东西。

如果你的团队开始觉得「AI 生成的差不多就行了」，那你们的产品就开始走下坡路了。

谁在赢，谁在输

说完了危险，聊聊职业影响。

这个话题可能会让一些人不舒服，但我觉得必须说。

已经在输的人有三种。

第一种，纯执行型程序员。如果你的价值是「把明确的需求翻译成代码」，你的护城河在消失。AI 在这件事上已经比人快 10 倍，而且边际成本趋近于零。

第二种，框架依赖型开发者。只会调用 API、不会从零构建的人。当 AI 也能调用同样的 API 时，你的价值在哪里？

第三种，不验证 AI 输出的「审核员」。如果你只是表面上扫一眼 AI 生成的代码，觉得看起来没问题就 approve 了，但没有真正理解它在做什么，那你既没有效率优势，也没有质量优势。

已经在赢的人也有三种。

第一种，系统思考者。能看清整个数据流、业务边界、依赖关系的人。AI 是局部优化器，它不擅长全局权衡。你给它一个模块，它能把这个模块写得很好。但你问它「这个模块应该存在吗？它跟其他模块的边界合理吗？」，它答不了。

第二种，从零构建者。能用 200 行代码重建一个核心模块的人。这种人不会被 AI 替代，因为 AI 不能替代「理解」。你可以让 AI 帮你写代码，但如果你自己不理解这段代码的底层逻辑，你就不知道 AI 写的对不对。

第三种，AI 编排专家。知道怎么设计 workflow，让多个 AI Agent 协作、互相验证、在关键点保留人类判断的人。这群人可能是未来几年最稀缺的工程师类型。

我的判断

回到最开始的问题。2026 年，AI 到底对软件工程师来说是个什么局面？

我自己的判断更接近一个中性场景。AI 会成为标准工具，「不会用 AI 的程序员」会像「不会用 IDE 的程序员」一样成为历史名词。但 AI 不会在短期内取代架构决策，因为架构决策说到底是价值判断，不是优化问题。AI 擅长后者，不擅长前者。

给 2026 年的软件工程师几条建议，也是说给我自己听的。

停止和 AI 比写代码速度。你赢不了，而且这不重要。重要的是「写什么代码」和「为什么这样写」。

学习 AI 的锯齿状智能。找出你的 AI 助手在哪些任务上超人、哪些任务上犯蠢。为它的弱项设计人工兜底，在它的强项上充分授权。不要全信，也不要不用。

保持构建能力。即使你用 AI 写 90% 的代码，也要保留「从零重建核心模块」的能力。这是你判断 AI 输出质量的唯一标准。

接受 Iron Man 套装模式。最好的 AI 协作方式是让你感觉像穿了钢铁侠的战甲，而不是让你感觉自己可有可无。设计你的工作流时，保留你在关键决策点的控制权。

说实话我自己也还在摸索。这个领域变化太快了，每半年就有新东西出来，每次都觉得「这次真的不一样了」。但有一点我觉得是确定的。

工具越强大，品味越重要。

当代码变得便宜，架构变得便宜，测试变得便宜，唯一稀缺的，是知道「什么值得做」的人。

Stay Curious, Stay Critical。

对 AI 给你的东西，永远保持好奇，它能做到什么你以前做不到的事？也永远保持批判，这个东西真的够好吗？还是只是「够快」？

中集完。下集我们聊聊一个更大的问题，当 AI 能独立完成子系统的时候，「程序员」这个职业的边界到底在哪里。

以上，既然看到这里了，如果觉得不错，随手点个赞、在看、转发三连吧，如果想第一时间收到推送，也可以给我个星标⭐～谢谢你看我的文章，我们，下次再见。

/ 作者：xf.dai