上周三晚上，我跟一个做后端的朋友吃饭。

说是吃饭，其实也没怎么吃。那家店空调开得有点低，锅里的汤已经快烧干了，他筷子放在碗边，半天没动。

他突然问我：“你说，我这种人以后还有没有必要继续卷技术？”

我一开始没接话。

因为这个问题太熟了。

这两年，很多技术人嘴上说的是AI，心里想的是饭碗。更准确一点，是那种说不清楚的失控感：以前你知道自己怎么努力，刷题、学框架、熬项目、攒经验，路虽然累，但大致看得见。现在不一样了，工具一夜之间变得很能干，连“我很熟练”这件事，都没以前那么值钱了。

朋友说，他最近最受刺激的一次，是组里来了个年轻同事。

业务不算熟，代码也谈不上多老练，但他会把AI用得很顺：需求先让工具拆一遍，接口文档先生成草稿，单测边写边补，连排查线上问题时都让AI帮他整理时间线。

“我当然知道他不是全靠AI。”朋友说，“但老板看到的是，他一个人推进得很快。”

这句话有点刺耳。

但说真的，很多技术人的焦虑，不是怕 AI 明天把自己替掉。

是怕公司突然发现：原来我没那么不可替代。

真正危险的，不是 AI 来了

我以前也有过类似误判。

前些年带团队的时候，我很喜欢那种“特别能扛活”的人。需求来了不抱怨，线上出问题能半夜爬起来，文档没人写他补，测试漏了他也帮着兜。

当时我觉得这就是靠谱。

后来有一次项目复盘，我被一个小问题噎住了。

我们连续三次在同一个模块上延期。每一次原因看起来都不一样：第一次是需求变更，第二次是联调卡住，第三次是上线前发现数据口径不一致。大家复盘时也都很认真，写了不少“加强沟通”“提前评审”之类的话。

但下次还是照旧。

那天会开到晚上九点多，会议室的白板上全是箭头和圈。我有点烦，随口问了一句：“如果这个坑下个月还会出现，我们现在写的这些总结有什么用？”

没人说话。

后来是一个平时不太爱表现的同事，把需求入口、接口依赖、测试口径、上线检查拆成了四张表。表做得不漂亮，甚至有点土，但它真的管用。后面几次上线，问题少了很多。

那次之后我慢慢明白，职场里有两种价值。

一种是把今天的活干完。

另一种是让明天少一点烂活。

以前公司人多、节奏快，第一种价值也能撑很久。可AI出现后，基础执行会越来越便宜，很多“我很熟练”的工作，会被工具稀释掉一部分。

真正危险的不是AI来了。

真正危险的是，你的价值一直停在“我能把任务做完”。

选择权来自哪里

我不太喜欢把AI讲成洪水猛兽。

世界经济论坛 2025 年就业报告里提到，到 2030 年，全球岗位结构会继续变化，新岗位会出现，也会有岗位被替代；AI、大数据、网络安全这些技能会更重要。微软今年的工作趋势报告也在讲，人和AI agent 协作会越来越普遍。

这些判断当然值得看。

但对普通技术人来说，报告再大，最后也会落成几个很小的问题：

如果公司要缩人，我是不是那个可有可无的人？

如果现在这个岗位没了，我能不能去别的地方继续挣钱？

如果我不想再熬夜救火，有没有能力换一种活法？

这就是选择权。

选择权不是“永远不被裁”。

说句心里话，没人能保证这个。

选择权是环境变了，你还有别的牌可以打。

以前很多技术人的牌，是某个框架、某个系统、某段业务经验。它们有用，但也容易被绑定在一家公司、一个岗位、一个时期里。

AI 时代更值钱的牌，反而没那么花哨。

你能不能把问题讲清楚。

你能不能把混乱流程拆开。

你能不能判断哪些地方该自动化，哪些地方不能交给工具。

你能不能把做过的事情沉淀成文档、模板、脚本、案例，甚至一套别人也能用的方法。

这些东西听起来不酷。

但它们能迁移。

别把AI只当搜索框

我见过不少人用 AI，用得挺勤，但方式很碎。

报错了问一下。

SQL 不会写问一下。

周报懒得写，让它润色一下。

这当然没问题，我自己也这么用。

但如果只停在这里，说白了，你只是多了一个更快的搜索框。

真正拉开差距的，是把 AI 接进自己的工作流。

比如你是后端，就别只问“这段代码怎么写”。你可以让它在需求评审前帮你列边界条件；写方案时帮你反推风险；提交代码前帮你扫异常处理、日志、回滚策略；项目结束后帮你把复盘整理成SOP。

注意，我说的是“帮你”。

不是“替你”。

这点很重要。

AI 能生成很多东西，但它不知道你们公司那个历史包袱为什么存在，不知道某个接口背后藏着哪个部门的妥协，也不知道线上出了问题谁来背锅。

这些判断，还是人的事。

所以普通技术人不要迷信工具，也不要抗拒工具。

更好的状态是：你负责判断，AI 负责把低价值的重复劳动压下去。

你把省下来的时间，用来理解业务、设计流程、沉淀经验。

这才是杠杆。

一个很笨但有效的办法

如果你问我，现在普通技术人该怎么做，我不会建议你一上来就去追所有新东西。

太累，也追不完。

我更建议从一个很笨的动作开始：

找一个你每周重复三次以上的工作，把它做成固定流程。

别小看这个动作。

你可以从需求评审清单开始。每次评审前，让AI帮你列一遍：异常场景是什么，数据口径有没有歧义，哪些接口会被影响，哪些地方需要回滚方案。

你也可以从代码提交清单开始。不是让AI替你写，而是让它帮你检查那些容易漏的东西：日志、边界条件、权限、性能、兼容。

再或者，从项目复盘开始。

每做完一个项目，逼自己写五句话：

当时真正的问题是什么？

我为什么选这个方案？

中间哪个判断错了？

结果怎么验证？

下次能不能复用？

这五句话写多了，你会发现，自己不是在写复盘。

是在给未来的自己攒筹码。

以后面试也好，晋升也好，转型也好，你终于不是空口说“我参与过很多项目”，而是能拿出一个个具体案例。

这就是作品。

技术人的作品，不一定非得是一个很大的开源项目。一个脚本，一个模板，一篇复盘，一套工作流，只要真的解决过问题，就算。

最后说点不那么鸡血的

那天吃完饭，我朋友问我：“那我是不是也得赶紧去学大模型？”

我说，可以学，但别把它当救命稻草。

因为焦虑的时候，人特别容易做一件事：收藏很多教程，报很多课，打开十几个页面，然后感觉自己已经在努力了。

但三个月后，除了更累，什么也没留下。

我自己也犯过这个毛病。

后来我意识到，真正能给人安全感的，不是“我又学了一个新名词”，而是“我做出了一点可见的东西”。

AI时代，普通技术人当然要学工具。

但更重要的是，把工具变成自己的流程，把流程变成作品，把作品变成市场能看懂的证据。

公司可以调整岗位。

行业可以改变分工。

工具也会一代代更新。

这些我们控制不了。

我们能控制的是：别让自己的价值只停留在某个工位、某个系统、某个老板的评价里。

AI 时代最该保住的，不是某一份工作。

是你离开这份工作以后，依然有路可走的能力。

这才叫选择权。

参考资料：World Economic Forum《Future of Jobs Report 2025》、Microsoft《Work Trend Index 2025》、McKinsey《Superagency in the workplace》。