乐于分享
好东西不私藏

当人人都能"做软件",工程师的价值去哪了?

当人人都能"做软件",工程师的价值去哪了?

周二话题:业界观察 | 第3期(20260818) 

——编程门槛归零,能力要求反升——工程师的护城河,正从代码和理论知识,转向业务洞察与提示词(分析与设计的产物)。

前言

软件工程师、程序员,曾经是需要理论基础、工程思维、严谨严格的知识密集型、脑力劳动的岗位,现如今已经被AI智能体在两年左右的时间冲击的七零八落。不可否认,仍然存在需要人工的开发岗位,但趋势是越来越少,而且是飞快的减少。绝大部分业务场景的应用软件,很快会被AI智能体所取代。

编者注:当脑力被算力替换,当人力被Token替换,商业角度衡量的投入和产出将会更加有效率,而最终“成果”的使用价值,仍需要更专精业务、更精通技术背后的专家参与。

编程进化史

原始01编程时代:纸带穿孔
计算机诞生初期,人直接与硬件对话。程序员用打孔纸带/卡片表示0和1——有孔为1、无孔为0,逐位编排指令与数据。没有编辑器、没有调试器,改一处逻辑就得重穿孔、重装带。效率低、极易出错,且指令与具体机器强绑定,换机即从头再来。这是"人适应机器"的蛮荒期。
机器码编程时代:汇编
为摆脱死记二进制,人们用助记符替代机器指令——ADD、MOV、JMP等,再由汇编器翻译成机器码。可读性大幅提升,能直接操控寄存器与内存,至今仍用于嵌入式、驱动等极致性能场景。但汇编仍"贴近硬件":每条指令对应一条机器操作,移植性差、开发效率低,普通人难以驾驭。
高级语言时代:COBOL / BASIC / C / Pascal
为提高生产力,高级语言登场。COBOL(1959)面向商业数据处理,用类英语句法处理账目;BASIC(1964)为教学与入门而生,降低普通人编程门槛;C(1972)兼顾效率与抽象,成系统与应用开发基石;Pascal(1970)以严谨结构著称,为教学与工程规范范本。高级语言屏蔽寄存器、寻址等硬件细节,让程序员专注"做什么"而非"机器怎么动",开发效率与可移植性飞跃,软件产业由此走向规模化。
从纸带到高级语言,主线始终如一:让人离机器细节越来越远,离人类意图越来越近。

可视化时代1998年,我大四下学期,从实习开始接触到微软推出 Visual 系列——Visual Basic、Visual C++、Visual FoxPro 等,惊为天人!居然可以这样编程!Visual系列将图形界面设计引入开发流程,拖控件、设属性、即时预览,编程第一次"看得见"。自此,可视化 IDE 几乎成为开发工具的标配能力。那年毕业季,在那个互联网还是北大荒的年代,我只能去翻遍学校图书馆,最终找到了两本关于Visual Foxpro文件格式的文章,从而设计第一个“自定义报表系统”。使用者可以自己定义报表的行列关系,根据配置自动产生所需要的各种各样的报表格式。

零代码前夜从2000 年前后的行业看,除了微软系列,还有不少拖拉拽式编程工具出现,大部分作为企业内部开发工具使用。例如朗讯软交换开发工具,便是类 Visio 的图形化界面:画好流程,系统自动将其转为 C 代码,再编译为可执行程序。这一步已逼近"零代码",但仍依赖专业后台支撑。

零代码时代2020 年前后,零代码概念正式兴起。同期大语言模型涌现——AI 既能极大增强零代码能力(让搭建更智能),也可能凭自然语言生成力"淹没"零代码的独立价值。两种走向并存,胜负未定。

智能体时代2025 年 OpenAI 推出 Codex,到 2026 年腾讯发布 WorkBuddy,编程助手从"补全代码"进化为"理解需求、自主执行"的智能体。人只需说清意图,Agent 便规划、编码、调试、交付。编程的最后一里,正从"人写代码"走向"人指挥机器写代码"。

前文专题分享了AI时代对于软件开发和脑力工作的冲击,此处不再赘述。参见AI智能体狂潮挑战人脑战斗力,烧掉的是肤浅认知,抬起的思维与洞察力

米烛流泉,公众号:小火慢炖出滋味AI智能体狂潮挑战人脑战斗力,烧掉的是肤浅认知,抬起的思维与洞察力

自然语言编程NLP的发展史

自然语言编程是理想与技术碰撞,最终在AI的浪潮中落地的故事,分三阶段。

萌芽与争议(1960s–1970s):1966年哈尔彭论文启幕,IBM曾让无经验学生用自然语言编程,却因歧义受挫。1978年图灵奖得主迪杰斯特拉撰文《论"自然语言编程"的愚蠢》,痛斥自然语言歧义重重、不适合编程,视形式符号为迫人严谨的"特权"。其批判令领域长期沉寂。

迂回与铺垫(1980s–2010s):高德纳1981年提"文学编程",主张先以自然语言述设计再嵌代码;同期NLP从符号规则走向统计与深度学习,持续蓄力。

现代复兴(2020s至今):大模型令编程核心由"学机器语言"转为"让机器懂人话"。2021年Copilot问世,2023年卡帕斯称"最热语言是英语",2024年黄仁勋言"编程语言即人类语言",2026年"氛围编程"兴起。

迪杰斯特拉"制造困难"之预言已被算力打破,"使用困难"则化为新课题——写好无歧义提示词。自然语言编程未取代编码,而开创人机协作新范式。AI智能体通过大语言模型LLM理解自然语言,从而更高效的指挥机器完成编程,而程序的主体仍然是由对应的编程语言实现的,例如Go、Python、Javascript等。

软件开发能力的延伸
技术的飞速演进持续为机器赋能,也把所谓"编程"或"做软件"拉下了神坛。回望编程发展史,每一阶段对技术深广度、理论功底的要求都在陡降:在我亲历的研发一线,工程师已逐渐不再深究计算机原理、网络与互联网原理;到了零代码阶段,连代码、数据库、通信都无需关心。
与此同时,软件团队的形态也在演化:从早期工程师直接对接需求,逐步分蘖出产品设计、视觉设计,并裂解为前端与后端。
零代码是一道分水岭,对"软件工程师"这一概念本身提出挑战——当人人都能拖拉拽做出一个应用时,工程师的价值何在?答案是:业务理解力与流程构建能力成为刚需。工程师的护城河,在于更前瞻、更高效地洞察功能背后的数据模型与逻辑结构,在于能驾驭更强大的互联网连接能力。
但凡事皆有两面。AI 智能体登场后,拖拉拽让位于"说话式"的自然语言沟通,表单构建让位于技能包与专家。工程师的价值进一步转向业务侧的沟通、拆解与落地——乃至亲手用智能体造出更简洁高效的辅助工具。
我有一个判断:当前 SaaS 形态的业务平台,将逐步回归组织内部的私有部署,甚至完全由 AI 智能体来构建、改进与维护,而这一过程需要更全面的工程师去推动与管控。这类个性化、细分领域的业务平台,在提供特定功能的同时,也将成为大型组织构建私有 AI 的数据与模型生产线。
至此可见:软件与编程从未消失,反而对工程师提出了更高要求。除了沟通、理解、洞察,分析与设计能力将决定发展高度;而如何表达——写好提示词——则决定了 AI 智能体能产出多少有价值的成果

「业界观察」系列是基于作者30+年在计算机领域学习与工作历程,表达自己对当前时代下的AI、软件与计算机科学与技术的领悟与思考。如果您有共鸣或不同观点,欢迎留言讨论;如果您觉得内容有可取之处,期待您的推荐与分享。