大家好,我是程序员老王。 年薪百万老码农,待过一线大厂创过业,带过团队,目前专注于一线技术。 分享程序员进阶路上的点滴,帮助大家提升认知,升职加薪。 kk从4个方面来探讨,为什么不必对人工智能过度恐惧: 1、AI的性能并没有呈指数级增长 2、如果我们对AI的性能不满意,可以对它重新编程 3、大部分情况下,AI自身重新编程几乎不可能发生 4、目前并不是训练 至少目前,AI的种种表现还未让其人类创造者后悔过。或者说他们认为如果AI真这么做了,我们可以更改它们的算法。 尽管大家对于AI有诸多的担忧,但不可否认的是它确实给生活创造了很多便利以及更多的可能性,这种体验,或许也是不可逆的。 今天先分享这些,老王后续会就这个话题再跟大家分享几点 大家好,我是程序员老王。 分享程序员进阶路上的点滴,帮助大家提升认知,升职加薪。 原文:https://kk.org/thetechnium/why-i-dont-worry-about-a-super-ai/
AI + 低代码,程序员的副驾还是替代者?如果你最近还在苦哈哈地写前端、调接口、搞表单,突然听到某领导一句话:“以后让业务自己拖拖拽拽就能上线功能”,你是不是瞬间心里一惊:“我这饭碗不会被拖没了吧?” AI 可以自动帮你生成函数逻辑,举个栗子:你说一句:“每天下午4点把库存不足10件的商品发邮件通知管理员。” 优化建议:AI做你的代码reviewer一些平台集成了 GPT-4、Claude、Codeium 等大模型,它能实时给你建议,比如:“你这个接口写了重复逻辑,我帮你抽一下函数?” 四、AI低代码能不能替代程序员?这个问题,其实我挺常被问的,我也认真想过。我的回答是:AI + 低代码不会干掉程序员,它会干掉“只会搬砖的程序员”。 因为真正有价值的程序员,不是那些拼命写 for 循环的人,而是:能看懂业务流程;懂得组件抽象;懂得建模和数据治理;懂得怎么对接 AI;你不会被替代,但你必须转型。五、下一代软件工程,会是什么样?
眼看都要 2026 年了,关于替代的焦虑依然像幽灵一样在技术圈游荡。 但作为在这个行业摸爬滚打多年的老兵,我想给你泼一盆冷水,或者说,喂一颗定心丸:AI Agent 根本不是来革你命的,它是来逼你进化的。 AI Agent 会替代程序员吗? 如果你定义的程序员,只是那个等着产品经理把需求嚼碎了喂到嘴边,然后机械地翻译成代码的人,那不用等到 2026 年,现在就已经没有你的位置了。 但如果你定义的程序员,是那个理解技术底层逻辑,能驾驭复杂系统,能将模糊的业务目标转化为精确的技术架构,并且能驯服 AI 这个强大而不可控的野兽的人,那么恭喜你,你的黄金时代才刚刚开始! 所以,别再焦虑会不会被替代了,抓紧时间去学习怎么给这个超级大脑接上更灵敏的神经和更强壮的身体,才是正经事。 因为,能够驾驭下一代操作系统的人,永远是这个时代的稀缺资源。
那么一直摆在我们面前的问题:“AI大模型会取代程序员”吗? 看到一篇 Anthropic 公司调查的博客,基于 20 万条 Claude Code 内部使用记录,给我们展示了:在一家业内顶级的公司,当每人有一个“AI 助手”之后,程序员会被替代吗? 如果核心技能退化,反而会导致监督 AI 的能力下降,从而陷入“监督难题”。 (4) 工作关系的转变 Claude 正成为“第一个询问对象”。 在收集这些数据时,Claude Sonnet 4 和 Claude Opus 4 是当时最强大的模型,且其能力仍在持续进步。 任务分布 我们将 Claude Code 记录分类为一种或多种编码任务类型,研究了过去六个月中不同任务的使用情况(图 4): 图 4. 各类编码任务(y 轴)作为整体记录数量的百分比(x 轴)。
每当提到AI、深度学习、机器学习,大家总是被其中的各种各样的算法和方法搞晕,觉得无从下手。本文理清了机器学习的4种方法。 另外,Scikit-learn 也提供了一幅清晰的路线图给大家选择: ? 如上图所示,层级聚类的算法非常的简单: 1、初始时刻,所有点都自己是一个聚类 2、找到距离最近的两个聚类(刚开始也就是两个点),形成一个聚类 3、两个聚类的距离指的是聚类中最近的两个点之间的距离 4、重复第二步 4、然后重复第2)和第3)步,直到,中心点没有移动,那么算法收敛,找到所有的聚类。 4 逻辑回归 逻辑回归虽然名字是回归,但是却是个分类算法。因为它和SVM类似是一个二分类,数学模型是预测1或者0的概率。所以我说回归和分类其实本质上是一致的。
有人看到这里会说:那程序员不是完了吗? 其实,这是我见过的最大的认知误区。 你会发现,真正"完了"的,从来不是程序员这个岗位本身。 是那些以为"把代码写完"就是自己全部价值的人。 我刚开始接触AI编程的时候,也以为AI只是个"代码补全工具"。 让它写,它写。让它改,它改。 我就是那个"让AI干什么"的人,我觉得我在"使用AI"。 它在告诉我们:AI越强,它越需要你真的懂。 数百个子智能体可以并行执行任务。 但谁来定义任务的边界?谁来判断方向对不对?谁来整合最后的结果? 那个人,就是不会被替代的人。 你会发现,AI正在以光速拉开"懂AI"和"不懂AI"之间的距离。 而且这个距离,比你以为的快得多。 2026年,AI编程已经不是趋势了。 它就是现实。 这才是"AI程序员"真正的价值所在。 不是写更多代码。 是看懂更多代码,做更少但更正确的决策。 今天AI圈的核心,从来都不是那台机器有多强。 而是坐在机器前面的那个人,有没有进化。
很多小微型应用程序也需要一些数据处理和计算能力,如果集成一个数据库就显得太沉重了,小巧轻量的 SQLite 是个不错的选择,因而被广泛应用。 不过,SQLite 也有些不方便的地方。SQLite 对外部数据文件及其它数据源的支持力度比较弱又很繁琐;它本身没有存储过程,需要用主程序配合来实现流程,这会导致经常和主程序交换数据(流程走向依赖于数据),效率低且代码麻烦;复杂些的运算用 SQL 也很难写,开发效率较低。
论文阅读原则:在大模型生成代码领域,具有代表性的奠定论文能说清楚最新前沿情况的最新论文1.1 国外研究现状“AI 助手”与程序员并肩工作的想法存在于我们的想象几十年了,它催生了来自编程语言Ferdowsifard 开发能够协助程序员甚至独立生成程序的系统可以使编程更具生产力和可访问性,但迄今为止,将AI创新纳入其中已经证明是具有挑战性的。 程序员在实际的开发过程中,不太可能让模型提供 1000 个程序的排序结果,然后让程序员选择,程序员阅读这些程序就要耗费不少时间,这种模式的实际研发效率比较低。 在可预见的未来,AI 仍然只能扮演辅助编程的角色。模型参数规模越大,越有利于提高程序生成的准确率,但是,这种大力出奇迹的方法,需要耗费的计算成本也较高。 GPT-4 technical reportJ. arXiv, 2023: 2303.08774.本文作者:徐汉彬
富贵研究所|你以为 AI 在替代软件。其实,AI 在替代会用软件的人。 ---一句话清出 1.3T 真正被重写的,不是工具,而是白领工作的底层逻辑。 文 / 富贵研究所 大贵前两天差点把电脑砸了。 很多人看到这里,会惊叹 AI 已经这么强了。 但大富听完以后,真正后背发凉的,不是 1.3T。 而是另一件事: AI 也许不是在替代软件。 AI 是在替代那些靠“会用软件”吃饭的人。 这意味着,未来最先被冲击的,不一定是程序员,不一定是设计师,不一定是咨询顾问。 而是那些长期靠“熟练操作软件”建立优势的人。 这群人以前是办公室里的中坚力量。 以后,他们会成为第一批感受到寒意的人。 所以,明天最先失去价值的,不一定是不会 AI 的人。 而很可能是那些一直以为: “我比你更会用软件,所以我更重要。” 这个时代,正在把这句话一点点改成: “我比你更会定义目标、划定边界、组织 AI 交付结果,所以我才更重要。” 这才是明天的软件。 也是明天职场最残酷的真相。
这里有四个编排器,尽管市场份额要小得多,仍然是 Kubernetes 的可行替代品。 Docker:这几乎不是第一个容器平台[3],但却是第一个流行起来的平台,它使基于容器的计算成为主流,于 2014[4]年开始开发一种编排工具 Swarm 。 Kubernetes 的现代替代品 不仅如此,许多开发人员和 IT 工程师甚至可能没有意识到 Kubernetes 的替代品仍然存在。 几乎不是第一个容器平台: https://www.itprotoday.com/containers/history-container-technology-offers-lessons-future [4] suse-completes-rancher-acquisition/ [8] 创建了一个编排平台: https://github.com/spotify/helios [9] 原因: https://www.itprotoday.com/hybrid-cloud/4-
这些职业或依赖人类肉身的不可替代性,或需要道德判断与心灵感情相关,反正不是任何东西都有感情的,这点AI不懂。 ▌4.企业高管 AI可提供数据支持,但当市场非理性波动或遭遇黑天鹅事件时,人类决策者需权衡伦理、风险与团队士气。 英伟达CEO黄仁勋的观点被反复引用:“AI不会取代你,但会用AI的人将取代不会用AI的人”,而高管的核心能力正是驾驭AI的战略判断力。 ▌5. 更关键的是,厨师能根据食客口味临时调整调料,这种“千人千味”的灵活性无可替代。 ▌8. 汽车修理师 车辆异响可能源于螺丝松动,也可能是变速箱故障,AI故障库难以覆盖所有“奇葩”情况。 公务员 AI可处理审批流程,但政策制定需考虑社会公平、文化传统等非量化因素。正如知乎用户“查讯纤”所言:“公务员是人类社会的管理者,若被AI替代,相当于人类服从机器统治,这在伦理上不可接受”。
数据库很多时候被当做应用程序的本地存储,用来替换更早之前,程序员需要自己维护的本地文件存储。研发要自己确定整个机器的内存分配,当然也是因为那时候单机的内存很小。
无论人工智能如何发展,大语言模型如何演化,都不可能完全替代程序员,反而可能会提供更多的程序员岗位。因为生成式人工智能非常擅长处理单调乏味和发现错误,但没有太多深度的思考。 程序员的专业知识和沟通直觉始终无法替代。 1、程序员的大部分工作都是规划时间节点、沟通交流、进度反馈,揣摩用户意图、思考如何解决线上故障,写代码的时间可能不到1/10,人工智能顶多就是替代这1/10的部分,而且正确率不一定能赶上普通程序员。 4、人工智能做模型训练,需要的成本极高,而且仅存于大家熟知的领域,对于一些定制化或者创新型需求的理解和开发,人工智能根本无能为力。 拜托,他们不是程序员,被替代跟程序员没有关系。 9、人本身具备一定的流动性,而技术大概率会一直控制在人类手中,但是每个组织、国家都有自己的打算,比如chat GPT在国内并不可用。
anacron 与 cron 协同工作,因此严格来说前者不是后者的替代品,而是一种调度任务的有效可选方案。
程序员的 AI 暴露度高达 75%,在所有职业中排名第一。 看到这个数据的时候,我的第一反应是:完了,这不就是在说我们自己吗? 但当我把 Anthropic 这篇报告从头到尾读完,发现事情没那么简单。 一、AI 暴露度最高的 10 个职业 先看最直观的数据。 按 observed exposure 排名,前三是: 1. 计算机程序员 — 75% 2. 但不招了是无声的,你甚至不知道自己被什么替代了。 四、下一代该怎么培养? 看完这些数据,我一直在想一个问题:如果我有孩子,现在该怎么引导他的学习方向? 数据给了一些启示。 AI 替代的是什么? 程序员的 AI 暴露度 75%,编程依然有用,但只会写代码的含金量在快速缩水。 那什么在升值? • 提出好问题的能力。AI 能回答问题,但不能提出问题。知道该问什么,比知道怎么答更重要。 说得直白一点:问题的关键从学什么不会被替代变成了怎么学才能和 AI 互补。
查看效果:https://www.bilibili.com/video/BV1MH4y1s7CD/ 初创公司 Cognition AI ,2 个月前才刚成立,一夜之间在 X 卷起了风暴,就因为他们一条浏览量上千万的推文 相比之下,GPT-4只能处理1.74%的问题,且都需要人类提示告知处理哪些文件。可以说,它远远超过了此前所有AI大模型。 Devin解决的不只是代码,还包括与之相关的整个工作流。 其主要能力有六个: 演示视频见: 1、不熟的技术,现学现卖 2、端到端构建和部署程序 3、自主查找并修复bug 4、训练和微调自己的AI模型 5、修复开源库 6、成熟的生产库也能做贡献 在评估Devin 而同样在无辅助的条件下,GPT-4的问题解决率为零,此前的最佳水平是1.96%,加入辅助也才4.8%。 公司人均一块IOI金牌 公司目前已有10个IOI金牌得主。 在SWE-bench上,Devin的表现远远超过Claude 2、Llama、GPT-4等选手。报道称,该AI程序员已经通过了一家AI公司面试,并在Upwork上完成了实际工作。
截至2025年7月,AI助手(如 ChatGPT、DeepSeek、Perplexity AI 等)在信息获取环节的渗透率持续攀升。 根据一份覆盖2023年4月至2025年3月的数据报告,AI聊天助手的访问量同比增长80.9%,达到552亿次,而传统搜索引擎依然稳居主导地位——总流量高达1.86万亿次,仅微降0.51%。 2.以百度为例:AI 搜索的实践与困境“已经好久没有用过百度搜索了”,这句话折射出当下许多用户的体验: AI 功能走马观花 百度在网页入口中嵌入了 AI 搜索功能,能够集成图文、视频等信息、直接展示相关内容 3.AI 能否真正“取代”传统搜索?现在很多人都在用 AI 助手来找答案,但它其实还有不少明显的短板。首先是数据的准确性和可靠性问题。 4.生态竞争格局ChatGPT 目前拥有全球领先的市场份额(约 86%),但 DeepSeek 在中国市场的快速崛起,也被人看到它的潜力,它甚至一度登顶美国 iOS 应用商店的下载榜。
AI 替代的不是架构师。AI 替代的是架构师工作中那些重复的、可模板化的部分——写设计文档、画架构图、逐条对照 Checklist 做评审。 这些人,从云厂商到咨询机构,从大厂架构师到国际媒体,没有一个人说"架构师会被替代"。所有人说的是同一句话:旧的工作方式在被替代,新工作方式的架构师在变得更值钱。 ECS 替代了自建机房,SLB 替代了 F5,RDS 替代了自建 MySQL,弹性伸缩让扩容从"提工单等两周"变成"自动触发三分钟生效"。 那一波转型,不上云的架构师后来在哪? 如果还没用过或刚开始用,第 2、3 篇是起点——从需求澄清到 AI 出架构图。如果已经日常在用了,直接跳到第 4 篇看模型选型和成本预估。 Spec与规范。你的团队有统一的方案模板吗? 如果答案是"没有"和"会",第 3、4 篇是重点——Spec 三层和工程目录规范。如果已经有 MumuSpec 或类似体系了,这块可以跳过。 Agent 系统设计。你主导过 AI 项目吗?
ChatGPT大杀特杀以后,最常问的问题之一就是能不能替代搜索引擎。最初我的回答是“不能”,现在我的回答同样是“不能”。 回答相同,但问题不同。 进入ChatGPT时代以后,大家都很焦虑,连医生、律师等等一大票光鲜亮丽的高端职业,忽然发现居然也面临着被AI替代的职业焦虑。不过,因为存在第二个原因,至少现在这些职业已经从死刑转成了死缓。 很多大语言模型甚至专辟一章介绍幻觉问题,OpenAI在发布GPT-4的时候就专门写了一段,说GPT-4的幻觉问题仍然存在,但较前有所缓解。 前GPT-4已经剧透了,有效果,但也就只是有效。 根源在于第二个原因。上面替到这篇论文很长,讨论了很多话题。前面我们提到了”真实“,论文就以此进一步区分了内在幻觉和外在幻觉。 最后,回到最开始的问题,为什么我认为现阶段大模型还无法替代搜索引擎?因为大模型存在幻觉问题。
在过去两个月的AI编程训练营中,我遇到了一个特殊的群体:投资人。虽然人数不多,只有2位,但他们的学习动机让我很感兴趣。在AI成为全球投资唯一关键词的当下,这些专业投资人为什么要亲自学习AI编程? 下面是我们的对话: Shadow:听说您是某知名VC的投资经理,主要关注AI赛道投资。是什么促使您亲自来学AI编程的? 太过依赖AI只会让自己变笨,被取代的可能性更高。我可不想成为只懂点击AI生成报告的人。 你想想,如果我只会用现成的AI工具做research,那我和一个刚入行的实习生有什么区别? 而且现在AI工具发展这么快,今天你依赖的工具,可能明天就被更先进的工具替代了。但如果你掌握了AI编程的底层能力,你就能根据自己的需求定制化地解决问题,这种能力是不会被轻易替代的。 Shadow:对于想要学习AI编程的同行,您有什么建议? 投资人:我觉得最重要的是要有合理的期待。我们投资人学AI编程,不是为了转行做程序员,而是为了提升获取信息的能力。