夜雨聆风90% 是营销数字，真正在变的是那 10% 已经分化——你是 A 类被动接 AI 剩饭，B 类主动当 agent manager，还是 C 类做 spec 评审？
姚顺宇在那段被字节笔记本捧成"年度最值得看"的访谈里说，AI 已经写了 90% 的代码，剩下 10% 也快了。MacTalk 跟进引"代码是 AGI 路上第一个高地"。两条线汇成一个共识：开发者快被卷完了。
但他们没告诉你：那 10% 已经不是一块铁板，而是分成了三个层级——你属于哪一层，决定了你两年后还在不在这一行。
一、90% 这个数字到底从哪来
姚顺宇说的"90%"，是 Anthropic 内部场景的数字，或者是 Lovable、Cursor 这种产品市场契合度极强的工具里跑出来的。它不是中国一个普通中阶后端工程师，过去一周在公司主干分支上提交代码的真实占比。
Karpathy 那段被反复转发的红杉演讲——"Vibe Coding 已过时，Agentic Engineering 来了"——他自己其实在中段埋了一句口子："你可以外包思考，但无法外包理解。"那句话被大多数引述的人跳过了，但它才是这场判断的真正分母。
MacTalk 引的"代码是 AGI 路上第一个高地"，原句出自 DeepSeek 招 Harness 工程师那篇推文。它是一个招聘叙事，服务的不是工程师，是要招工程师的公司。
三句话单看都没错。但放在一起就出问题：它们描述的都是头部场景、北美第一梯队公司、模型厂自己的内部用例。被中国大部分公司的工程师二手转发之后，90% 这个数字不再是测量，是叙事。
90% 不是 AI 写了多少代码，是分发渠道的报表。
二、CodeTrace 看到的真实分布
我们这边过去 6 个月在 CodeTrace（ct.xiaotaozi.cc）扫了 10 万个中国 GitHub 开发者的 commit 记录。看的是"提交里能识别出 LLM 生成痕迹"的占比——基于代码风格指纹、commit message 措辞、文件夹改动模式等多个信号合算。
分布出来不是均匀的 90%，是从 5% 到 80% 都有的厚长尾。中位数 25% 到 40%之间，靠近 P75 的人才会到 60% 以上，P95 以下基本没人到 90%。
这就是均值掩盖分化的典型例子。当姚顺宇这条数据被一遍遍转发，它替代了真实分布——读者会下意识用 90% 去对位自己，发现差太远，要么焦虑（我落后了），要么否认（这数字假的）。
但真实情况是：你不应该跟 90% 比，因为 90% 不是同分布。你该比的是你自己 commit 池里的 25% 到 40%——而且那 25% 到 40% 之外的人手部分，才是真正决定你能不能留在牌桌上的东西。
我警惕的是，当一个数字被反复转发，它就开始替代真实分布。原本只是一个采样，最后被读成一个标准。
三、真正在变的是那 10%
姚顺宇和字节笔记本他们都把焦点放在"90% 是不是真的"——这本身就是被误导的提问。
真正该问的是：剩下那 10%，是谁在写？以后谁会写？
2025 年还在追问"AI 写了多少代码"的人，往往忘了问"哪些代码还在自己手里"。这是两个完全不同的问题。前者讨论供给端，后者讨论你个人的护城河。
90% 那部分是商品价。商品价的特点是：人人都能让 AI 写、谁让 AI 写都差不多、AI 还在持续降价——DeepSeek-V4-Flash 一年跌 90%，模型边际成本无限趋近于零。
10% 那部分是护城河价。护城河价的特点是：不是所有人都能写、不同人写出来差异巨大、这部分价格不仅没跌，反而在涨。因为能交付这 10% 的人，恰好是稀缺的。
AI 没有抹平开发者之间的差距，AI 是把"判断力"那一端放大了。前两年看不出差别的人，现在差距越来越明显——会用 AI 快速产出 90% 的人多了，但能在剩下 10% 里做出判断的人没变多，所以 10% 的相对价值在涨。
四、那 10% 已经在分化（ABC 三类）
把"留在工程师手里的 10%"再切开看，它已经不是一块铁板。我们从 CodeTrace 的 commit pattern 里能稳定识别出三类人：
A 类「AI 剩饭接收者」。每周接 5 个以上 AI 写的 PR 草稿，主要改改变量名、补补注释、跑跑测试就合并。LLM 痕迹 commit 占比超过 60%。这一类目前数量最大，但也最危险——做的活 AI 基本能完全替代，自己又没建立独立的 review 和 judgment 肌肉。两年后 AI 再升一档，这一类是首批被压缩掉的。
B 类「Agent Manager」。主动写 plan、拆 task、写 spec，用 AI 做实施。自己的 commit 里规律出现 plan.md、spec.md、TODO.md 类文件，频次至少一周一次；review 别人的 PR 数量大于自己提交的 PR 数量。字节笔记本那篇《Claude Code 在大型代码库里的最佳实践》（aid 2247516785_1）专门提到"未来会诞生一个新角色：agent manager 管理师"——B 类就是这个角色的早期形态。
C 类「Spec、评审、安全派」。架构文档、上线 checklist、生产事故复盘合起来占工作 30% 以上。commit 历史里 review、docs、migrations、security 这几类目录占比超过 40%。这一类不显眼，但是公司层面最难替代的人——AI 能写代码，但不能为生产事故负责。
我注意到的不是"被淘汰"，是"被分流"。10% 里面已经分出三条赛道，三条赛道的预期寿命和定价完全不同。
五、你怎么知道自己是哪一类
不用做性格测试，也不用回答主观问题。给你三个可直接观测的 commit 行为指标：
一，你过去一周写的代码里，AI 生成的占比是多少？ 自己估一下。超过 60%，A 类倾向明显。
二，你最近一个月的 commit 里，有多少不是代码——是 plan.md、spec.md、design.md、TODO.md 这种文档？ 一个月连一个都没有，B 类倾向很弱。一个月 3 个以上，B 类倾向已成。
三，你 review 的 PR 数除以你自己提的 PR 数，是多少？ 比值大于 1，要么是 B 类（带新人 / 跨团队评审），要么是 C 类（架构 / 安全把关）。比值小于 0.3，是 A 类典型 commit profile。
更直接的办法：去 ct.xiaotaozi.cc，用 CodeTrace 扫一下自己的 GitHub 账号。10 万开发者画像里，你的 commit pattern 会自动落到一个分位，告诉你在同行业 / 同年限 / 同语言栈的人里，你属于 A / B / C 哪一类。
我建议每个工程师在 2026 年的第一个动作，是先用一个客观工具扫一遍自己——不是为了焦虑，是为了把"AI 抢饭碗"这种抽象的恐慌，换成"我现在是哪一类，下一步该练什么"这种具体的判断。
抽象焦虑会让人滑向"再学一个新框架就安全了"的幻觉。具体判断会让人去做真正会涨的那部分动作。
六、如果想从 A 升 B，做这 3 件事
A 类升 B 类的核心，不是再学几个 AI 工具，是把判断力练到能 review AI 输出的程度。具体落到 3 件事：
第一件，上行评审能力。看 PR 不是看代码看意图。AI 生成的代码字面对，语义错的占多数——变量名对、函数签名对、单测过了，但跟需求要的根本不是一回事。练的方法：每周强制自己 review 5 个不是自己写的 PR，第一遍只看 commit message 理解意图，第二遍才打开代码，看意图和实现是不是对得上。一开始会很慢，三个月之后你看代码的速度会快两倍。
第二件，横向决策能力。AI 单文件改得很好，跨模块改容易踩雷——它看不到全局依赖。练的方法：每次接到新需求，先不写代码，先画出"这件事会动到哪些模块，哪些模块的下游会被影响"。这张图 AI 不会画给你，因为它没有你公司的全局上下文。你画完，再让 AI 去填具体实施。
第三件，历史调试能力。生产事故定位是 AI 目前最弱、人最不可替代的。练的方法：每次 on call 之后写复盘，沉淀"这次事故为什么会发生"——不是"这次事故怎么修"。前者是判断力，后者只是动作。前者会涨价，后者 AI 正在替代。
我倾向 C 类（spec、评审、安全）也是稳的——它不需要主动当 agent manager，但需要在公司里有人是这个角色。真正危险的只有一种情况，是 A 类不自知——以为 AI 在帮自己提效，其实是在替代自己。
我的判断
90% 是商品价，10% 是护城河价。前一种 AI 在卷，后一种你在卷。
姚顺宇和 Karpathy 说的没错——AI 确实在写更多代码。但那是供给端在涨。需求端真正在变的是：什么代码会被 AI 写，什么代码必须人写。前者是商品，后者是护城河。
你两年后还在不在这一行，不取决于 AI 能写多少，取决于你那 10% 是 A、B、C 哪一类。
A 类被动等饭吃，B 类主动做 agent manager，C 类退到 spec 和评审——这是分流，不是淘汰。我警惕的只是停留在 A 类不自知的那部分人。
想知道自己是 A/B/C 哪一类？ 去 ct.xiaotaozi.cc 用 CodeTrace 扫一下你的 GitHub，10 万开发者画像会给你一个分位答案。
或者公众号回复关键词「那 10%」，领 ABC 三类自检 checklist 的 PDF。
数据说明：本文 CodeTrace 数据来自代码印记（ct.xiaotaozi.cc），样本为过去 6 个月内有公开 GitHub 提交的 10 万中国开发者。姚顺宇观点引自字节笔记本《90% 的代码已经是 AI 写的，姚顺宇说剩下 10% 也快了》；Karpathy 观点引自其红杉演讲及 Agentic Engineering 框架；MacTalk 引自《DeepSeek 开始招人组团 bet Coding Agent》。
