思辨看待 AI 时代 - AI 助手和工程师导演

AI 概括

文章以工程师视角回顾自己与 AI 协作的实践历程，从谨慎试用到高频使用，效率显著提升。 核心观点是：AI 能放大能力、完成大量体力工作，但无法替代架构思维、系统设计与边界判断。 面对 AI 时代的职业焦虑，作者建议拥抱工具，同时通过扎实基础、清晰拆解与严格审查保持竞争力。 结论是 AI 会成为必备工具，但真正的决策与责任仍需由人类工程师承担。

正文

想写这篇文章其实已经很久了。过去半年多，在身边朋友的熏陶下，我开始系统接触 vibe coding（氛围编程）、Claude Code（CC）、Codex 等工具，并不断在真实项目里尝试。最直观的收获是效率提升&我有时间去思考更多的设计和边界场景了。

回到 2024 年，我对 AI 的态度比较谨慎：更多是把它当作 prompt 生成器，输出后必须自己验证与改写。后来尝试了 MCP，写过查询天气的 MCP 服务在对话中触发；也在本地用 ollama 跑过蒸馏模型，包括使用 Hugging Face 进行模型微调训练。再往后，我开始把 AI 纳入工程流程：让它参与代码优化、模块重构、文档整理，再配合严格的人为控制的 Code Review，逐步建立可控的信任。

包括在过去一个月的两个周末里，仅用几个小时就用 AI 重构了自己的 personal、blog、weekly 站点，在 blog 中接入标准的 Spec 开发流程，并创建了特定能力的 Skill 去帮我干活。整个过程像开了“加速器”一样，如果按照一年前的效率，我可能需要花费好几个周末都不一定搞得完美，因为 UI 设计是大问题。

你可能会问：“焦虑吗？”讲实话以前是焦虑的，但后来我逐渐清晰了 AI 的边界——哪些事 AI 可以做，哪些事 AI 做不了。更理性的做法不是抵触，而是拥抱：把体力和重复交给 AI，把判断、边界与方案留给人。只要把问题想清楚、拆解到合适颗粒度，就能让 AI 成为可靠的执行者。

那么 2026 年的 AI 会发展到什么程度？ 结合一些观察与观点，我做个阶段性总结（偏个人判断，不代表定论）：

1. 独立的“超级个体”会变多：一个人指挥多个 Agent 解决不同问题，个人创意型产品会更容易出现；
2. 初级工程师的岗位要求可能会提高：重复性编码工作减少，但对业务理解、需求沟通和 AI 代码审查的需求仍在，长期主义的公司仍会培养新人；
3. 开发者之间的差距可能被拉大：拥抱 AI 的人会跑得更快，但系统学习与持续实践依然能缩短差距；
4. 团队分工的边界会更模糊：产品、前端、后端、设计之间的协作会更交叉，一些“全栈化”的探索可能会更频繁出现。

为什么会这样？ AI 会放大你的能力，但不会帮你补短板。 当基础扎实的人使用 AI，效率往往有明显提升（幅度因人而异）：他们知道什么时候该用 AI、什么时候不该用，能写清楚需求，也能快速识别并修复 AI 生成的问题。 但如果你不懂架构、不懂设计模式、不懂系统边界，AI 也无法替你完成这些思考。它只是工具，能帮你“写得更快”，却很难帮你“想得更深”。

如何避免被甩开？

• 扎实的基础仍是关键：数据结构、算法、系统设计、架构模式
• 更高质量的协作：写清晰的 prompt，把任务拆解为 AI 能理解的步骤
• 关注 AI 难以替代的领域：系统设计、业务理解、跨团队沟通、产品决策

那么 2026 年，程序员会被 AI 抢“饭碗”吗？

个人观点：不会。但如果不拥抱 AI，可能会在效率和竞争力上处于劣势。

近期读到一篇关于 vibe coding 的深度访谈，我很认同其中的几条建议，并打算长期践行：

访谈地址：https://newsletter.pragmaticengineer.com/p/beyond-vibe-coding-with-addy-osmani

其中一个观点是：

“70% 问题” AI 可能轻松完成项目前 70%，但剩下 30%（边界情况、性能优化、安全性）更依赖经验丰富的工程师。

另一个观点是：

继续磨练你的技艺，并利用 AI 来加速这个过程。也要有意识地定期进行不带 AI 的独立编程，以保持你原始技能的敏锐度。

结论也很清晰：在 AI 编码能够可靠处理复杂场景之前，我们应保持审慎的态度使用 vibe coding，保持专业度和原始技能不丧失。毕竟真正的责任与结果，最终要由人来承担。

AI 已经是大势所趋。保持开放心态去拥抱，用 AI 武装自己，持续学习、持续思考，才是更稳健的长期策略。

写在最后

2026 年不会是程序员的终点，而更像是新的起点。

AI 可能会像 IDE、Git、Docker 一样成为工程师的标配。重要的不是“会不会被 AI 取代”，而是“如何用好 AI 放大自己的价值”。

保持学习，保持思考，保持本真。与其焦虑被取代，不如拥抱变化，成为那个“导演”。

毕竟，AI 可以写代码、给方案、执行任务，但定义问题、做出决策、承担责任，仍然需要我们。

你觉得我的观点有道理吗？欢迎在评论区讨论。

AI 点评

这篇文章的优势在于用真实经历串起观点，让“AI 是放大器而非替代品”的结论更有说服力。 可以继续补充一两个实际案例或数据对比，会让“效率提升”和“边界判断”更具可感知性。 若想进一步提升说服力，建议区分“个人体验”与“行业趋势”的证据来源。