夜雨聆风先聊点扎心的
2026 年国内程序员的日子？不太好过。
打开脉脉，到处都是「降薪失业」「前端后端岗位需求同比腰斩」的帖子。智联招聘一季度数据摆在那了——前端后端开发岗需求同比降了 52%，AI 产品经理需求反倒涨了 81%。
打开 V2EX，更猛。有人发帖说面了几十家，全挂，原因是「年龄到了」。
前几天还有个新闻冲上热搜：腾讯直接面向高中生开放 AI 产品经理实践岗位，字节跳动给中学生开 2000 块一天当顾问。
好家伙，前两年还在说「35 岁是程序员的坎」，今年直接跳过了中间阶段——这边 35 岁老哥找工作处处碰壁，那边 17 岁高中生已经进大厂当 AI 产品经理了。关公面前耍大刀，自不量力？不，关公直接下岗了。
在这种氛围下，你说「老程序员反而更吃香」，听起来是不是像在讲冷笑话？
但有些事，跟你想的不一样。
你以为的「老登危机」，和实际的危机是两码事
我先把一组数据摔这儿。
瑞银 2026 年 5 月的报告：美国企业宣布的裁员中，26% 直接因 AI。42% 的企业预计因 AI 减少招聘。高盛说得更具体：AI 每个月净减少约 1.6 万个岗位，同时 AI 辅助创造了 9000 个新岗位。剪刀差，懂了吧？
猎聘的报告更直接：2026 年开工首周，明确要求「会 AI 工具」的岗位同比增长了 215%。
这件事的走向，其实在 2025 年就注定了——当 Claude Code、Codex、Cursor 开始满天飞的时候，行业的结构性分化就已经势不可挡了。
分化成什么样？简单粗暴分两种人：
底层程序员——依赖手写代码，把编程当流水线工作。效率不及 AI 的十分之一，薪资停滞，正在被加速边缘化。某种意义上，这些人的竞争对手不是同行，是 ChatGPT Plus 的 20 美元月费。
优质程序员——把 AI 当外骨骼，省下时间做架构设计、业务决策、系统治理。这些人不是在跟 AI 抢饭吃，是在用 AI 抢别人的饭吃。
插个歇后语：猪八戒照镜子——里外不是人。底层程序员就是这个处境，怎么写都不对。但优质程序员？孙悟空照镜子——看出了个齐天大圣。
不过这里有一个相当反直觉的事实，很多人在焦虑中完全忽略了。
V2EX 那条最火的评论，说出了真相
前两天 V2EX 上有个帖子《最近面试，已经明显能感觉到行业不行了》，回帖里最高赞的一个评论是这样写的：
「老板认为有 AI 了，应届生就可以干了，老员工拿那么多钱白拿了。但 AI 时代是老登的春天——有经验，知道这个事情该怎么做，让 AI 去实现。应届生连'该做成什么样'都不知道。」
这条评论被 24 人点赞，是所有回复里赞数最高的几条之一。
为什么？因为它一针见血地戳破了「AI 让所有人同一起跑线」的幻觉。
AI 确实降低了写代码的门槛。但门槛降低了，不代表天花板也跟着降低了。
一个没有架构经验的应届生，告诉 AI「帮我写一个订单系统」，AI 能写出来。能不能跑？能。会不会崩？不一定。数据一致性怎么保证？并发场景下怎么容错？订单和支付之间的事务边界在哪里？——一问三不知。
一个写了十年后端的老程序员，同样告诉 AI「帮我写一个订单系统」，AI 写出来的代码可能看起来差不多。但老程序员会问：你们的支付成功率要求多少？有没有退款链路？库存扣减是下单扣还是支付扣？——这些问题不是写在 prompt 里的，是写在骨子里的。
哑巴吃黄连——有苦说不出。这是老程序员面对「AI 能写代码了，我还要你干嘛」这个灵魂拷问时的心境。但反过来想，黄连虽苦，清热解毒的功效谁也不否认——行业经验就是那味黄连。
从「写代码」到「写上下文」——价值坐标系已经变了
网易前两天发了一篇文章，讲一个叫 CC 的资深工程师怎么用 AI Coding。里面有句话我觉得说得特别好：
「AI Coding 的核心对象变了——过去我们写代码，今天我们写上下文。」
CC 的工作流几乎是每一个资深开发者都能感同身受的：拿到一个需求，不是先写代码。先写文档。需求文档、会议记录、技术方案、界面规范——先组织上下文，再让 AI 在上下文里工作。
上图展示的是「AI Coding 上下文驱动」的核心流程：从需求输入到上下文组织，再到 AI 执行反馈的完整链路。
这个能力靠拼 prompt 是学不会的。它需要你在真实项目中踩过坑、做过取舍、被线上故障教育过。
说人话就是：AI 可以帮你在几分钟内写出一个能跑的页面。但一个页面要跑五年十年不出事，靠的还是经验。
2026 年技术圈的分化，越看越有「执行-组合-定义」三层框架的味道。执行层（写代码）正在被 AI 快速吃掉；组合层（组织流程、调度工具）正在重构；定义层（定义什么是对的）——这个层的价值，反而在放大。
AI 可以把一个人的能力从 0.3 放大到 0.8，但它没法凭空创造那个 0.3。
三个不是鸡汤的破局方向
说这些不是为了让你躺平，也不是为了贩卖焦虑。就是帮你认清楚锅里的肉在哪，别光盯着锅底的黑焦。
1. 经验资产化：你的行业认知就是最大护城河
金融系统的风控规则、工业互联网的设备逻辑、医疗系统的合规要求、电商平台的双十一大促链路——这些 AI 不懂。它可以根据文档写代码，但它没法在某个深夜 3 点，因为一个上游超时导致的订单状态不对，靠着十年经验拍板说「走补偿链路，通知财务强制对账」。
你的经验不是知识，是隐性知识。AI 可以量化显性知识，但替代不了那些「我知道什么时候该这么做」的直觉。
不是说你老就值钱，是说你的经验能精准喂给 AI 去执行的时候，你就是值钱的。
2. 从「写代码的」升级成「定规则的人」
未来的优秀工程师，一项重要工作不是写业务代码，而是维护一套能让 AI 正确工作的规则系统。
规则怎么写？把异常处理原则、命名规范、测试要求、禁止行为、提交标准、验收清单都放进去。AI Agent 进入代码库之后，自动读取这套规则并遵守。
以前这些事靠 code review 和「个人习惯」，现在靠结构化的规则系统。秦始皇摸电线——赢麻了？不，是制定电线布局的人赢了。
3. 站起来，从编码层跳到架构层
AI 能实现局部功能，但没法完成大型系统的全局架构。模块怎么拆？性能怎么权衡？安全防控怎么做？分布式治理怎么搞？扩容方案怎么定？
当你具备了架构思维，你的价值就从「写代码的」变成了「定义系统怎么写、怎么跑、怎么扩容」的人。
初级工程师拼执行，中高级工程师拼架构。这个分层在 AI 时代只会变得更明显，不会消失。
最后说两句掏心窝子的话
这篇文章写到最后，我想起一个数据：AI 领域初创公司创始人的平均年龄是 29 岁。
不是 25 岁，是 29 岁。他们不是高中生，而是工作过几年的年轻人。如果加上那些 30 岁以后转型做 AI 的人，这个平均年龄还会更高。
再说了，你再看各个 AI 公司的 CTO——哪个不是十年以上经验的老人？真正定义一个产品的架构和方向的人，恰恰是那些「老登」。
所以与其焦虑「35 岁还能不能干」，不如想想那最初的 0.3 是什么。是你的业务认知？架构判断力？踩坑经验？还是能把一个模糊问题变成可执行 spec 的能力？
王八退房——憋不住了。2026 年这个节点，是该做出选择了。不是让你转行，是让你升级。