Florian Herrengt 最近写了一篇文章，标题直白得有点扎眼：《AI 正在掏空软件工程的中产》。

他没有从"AI 会不会取代程序员"这种宏大叙事讲起，而是讲了两个周一早晨。

一个 2020 年的老故事

2020 年。你是团队里最资深的人，负责代码质量和架构。你建立了不错的工程规范，认真 review 每一个经验不足的同事提交的 PR，努力维护一个健康的代码库。

然后你休了个假。回来一看，代码库乱了。大家彼此互批 PR 时都没怎么上心，有人为了省事给数据库加了一堆新表做反范式化，还有人没有任何拿得出手的证据，就把 serverless 或者 Kafka 塞进了技术栈。

没关系，你能收拾。

然后是 2026 年的周一早晨

快进到 2026。这次你没休假，就是一个普通的周一。你泡好咖啡，打开电脑，发现有 7 个 PR 要 review。打开第一个：

两万多行，附带一段 AI 生成的、描述它"应该"做了什么的说明。不知怎么的，你的团队从周五到现在做的改动，比你当年出门度个假几周的改动还多。

AI 移除了速度上限。它让工程文化弱的项目，失败得快得多。

Herrengt 写道：过去，人们会坐下来聊一聊"这事到底怎么做"。现在，他们可以对着一个 agent prompt 几个小时，然后开个 PR。

最要命的是——在外行眼里，它还能跑。你把分支拉下来测一下，多半能得到一个"看起来能用"的东西。于是他们继续。一遍又一遍。直到整个项目到了一个谁都不知道它是怎么跑起来的的地步。

这就像拿信用卡买了一辆豪车。你看不见债，只看见那辆漂亮的车。

没人知道数据是从哪来的

然后用户报了一个奇怪的 bug。这是团队第四次试图修它——准确地说是第四次让 AI 修它。你去找做这个功能的人。

"那这数据是从哪来的？" "呃……其实我也不确定。我问一下 Claude。"

你们俩坐在一起，看着屏幕上滚出一长串文字。谁也不知道里面哪句是真的，但 Claude 显得很自信。最后你拿到一个答案。

"这对你来说说得通吗？" "不太确定。" "这不是你上周才做的东西吗？" 沉默......

设计决策，埋在 Claude 的对话里

你回去继续看剩下 13 个 PR。有一处你看不太懂，发消息问写它的人："这里为什么这么写？"

对方甩来一个链接。是一个 Claude 对话。

在那段对话里——夹在 Claude 自信地推荐一种架构、然后道歉、改主意，你同事让它再想想，又来回改了十几轮之间——藏着这段代码背后的设计决策。

"我该读哪部分？" "大概，全都得读。"

Herrengt 承认，大系统从来没人能完全看懂。但至少以前，某个地方总有一个人懂，能给你讲。现在，大家去问 LLM，是因为他们自己真的不知道。

你再也雇不起差工程师了

文章后半段，是 Herrengt 真正的论点，也是标题里"中产"的落点。

他说，差工程师一直是个负担，这在 OpenAI、Anthropic 出现前几十年就是如此。区别在于：过去，你做这件事的速度是有上限的。

现在，实现很便宜。你拿薪水，是因为你能做好的决策，能一边管住复杂度一边把软件做大。他问得很直接：如果公司需要的只是"把规格说明变成能跑的代码"的人，那为什么伦敦、旧金山的技术公司还在用六位数的薪水抢最顶尖的人？

我的判断是，AI 会把薪水进一步拉开。想被雇佣，你得跨过一道门槛，而那道门槛，就是当前最强的模型能做到的水平。

好工程师因为 AI 变得更值钱——他们动得更快，不再需要那么多人围着做实现。而差工程师，变得更贵——更难雇佣，或者直接被替代，钱集中流向越来越少、能被信任的人。

文章结尾，他把这从软件工程推广到了几乎所有知识工作：AI 会让最顶尖的人产能暴增，让差的人几乎无法被雇佣。以前，坏决策还有人能在它走太远之前拦下；现在，他们改得比周围任何人能 review、能理解的速度都快。

不止"初级岗位"，是"中间那层"

这篇文章和"AI 冲击初级开发岗"的讨论很不一样。它的靶子不是入门级，而是中间那层——那些不再只是把规格翻译成代码、却还没建立起足够判断力的人。

Herrengt 的潜台词很清楚：当实现不再是瓶颈，剩下值钱的就只有判断力——能不能拦住一个两万行的 PR、能不能讲清楚为什么用 Kafka、能不能在 AI 自信地推荐一条路时分辨它靠不靠谱。

而判断力这东西，恰恰没法靠"再多问几次 AI"补上。

原文：Florian Herrengt，《AI is removing the middle class of software engineering》，发表于 2026 年 8 月 11 日。