当前位置: 首页 > news >正文

AI 时代,程序员的核心竞争力是什么?

从确定性到概率迷雾

Martin Fowler——《重构》的作者、敏捷宣言的起草人之一,对当前 AI 浪潮发出了警告:

这不是工具升级,这是物种突变。我们正在从确定性的工业时代,跌进非确定性的概率迷雾。

以前程序员是计算机世界的上帝,代码里的每一个比特都在绝对掌控之中。现在呢?你面对的是一个黑盒——扔进去一个提示词,它吐出来一堆代码,看着像那么回事,跑起来也没报错,但你心里没底:里面有没有埋雷?哪一次会发疯?

危险的新流派:Vibe Coding

这催生了一个危险的新流派——Vibe Coding(凭感觉写代码)。

能不能跑?能。逻辑对不对?不知道。反正感觉对了就行。

很多新手通过这种方式大杀四方,甚至觉得这就是未来。但 Fowler 直接泼了一盆冷水:

这不仅仅是偷懒,这是在自废武功。

传统编程痛苦吗?痛苦。查文档、看源码,但正是这种痛苦构成了程序员最核心的学习循环。你在和机器的每一次搏斗中,建立起对系统的深度理解。

AI 把这个循环切断了。你跳过了思考,直接拿到了答案。就像一直开自动驾驶的人,慢慢就真的忘了怎么握方向盘。

一旦 AI 生成的代码在生产环境炸了,而你连它是怎么跑通的都不知道——那才是真正的灾难。

解法:用测试构建笼子

那怎么办?退回去手写代码?当然不是。

既然 AI 带来了野马一般的不确定性,我们就必须建造更坚固的笼子。这时候,重构这门老手艺反而成了救命稻草。

你需要构建极其严密的测试网。AI 生成的代码必须被扔进这个笼子里,只有活着走出笼子的,才配叫代码。否则,它就是一枚随时会炸的随机数。

两个平行宇宙

Fowler 讲了个故事:他去波士顿联邦储备银行开会,那是真正印钞票的地方。一车车钞票被倒进机器清洗、销毁,整个过程的控制精度令人发指。为什么?因为那是钱,少一张就是天大的事故。

在这种环境里,你想用 AI 写代码?门都没有。那里的系统容错率是零,AI 一个幻觉把今天的日期搞成昨天,可能几十亿美元的账就平不上了。

但在另一头的创业公司,没钱没包袱,客户只要能比对手快一天上线,代码烂点算什么?Bug 多点算什么?这时候 AI 就是神器。

这就是现状:

  • 一边是唯快不破的西部世界,在泥坑里狂奔
  • 一边是如履薄冰的精密工业

真正的筹码:品味

在这个分裂的时代,什么才是我们手中真正的筹码?

不是你掌握了多少 Prompt 技巧,也不是你会用多少新框架,而是品味——一种对糟糕代码的生理性厌恶。

比如 Linear 的团队,每周三雷打不动搞"质量周"。一帮顶尖工程师坐在一起,修那些微不足道的细节:弹窗偏了一像素、按钮手感不对。外人看似矫情,其实这是在一遍遍训练自己的肌肉记忆。

因为 AI 是没有嗅觉的,它生成的代码往往是一堆平庸的堆砌。只有具备了这种匠人般的品味,你才能一眼看出:这行代码虽然能跑,但它味道不对;这个逻辑虽然通,但它埋下了隐患。

这种鉴别真伪的能力,这种对质量的直觉,是 AI 就算把全互联网的数据吃完了也学不会的。

未来的超级个体:专家型通才

AI 时代,未来超级个体的核心竞争力在于跨界

你能听懂会计在说什么,听懂医生在说什么,听懂业务在说什么,然后用严密的逻辑,把这些模糊的人类需求翻译成 AI 听得懂的规范。

这叫专家型通才:技术是底色,但让你不可替代的,是你对业务的深刻洞察。

所以 Fowler 给出的书单里,一本编程书都没有:

  • 《思考,快与慢》——理解人类思维的概率本质
  • 《权力的游戏》(指组织权力相关书籍)——理解复杂系统背后的权力流动

写代码,归根结底是在构建规则。

最后的警告

AI 最大的危险,其实不是它会抢饭碗,而是它会让你上瘾。

它太顺了,顺到让你觉得思考是多余的。

有没有想过:AI 生成的每一次完美运行,可能都是以牺牲你的一次深度思考为代价的。

当你习惯了 60 分的答案,你就再也写不出 100 分的作品了。

当你习惯了把代码扔给 AI,看着它跑起来就心满意足时,你就交出了对思考的掌控权。


结语

从经典到量子,世界从必然变成概率。AI 把软件工程也推进了这一层——它的输出不是证明,只是从经验里采样的一朵概率云。

于是工程的核心变了:

  • 测试把概率压进置信区间
  • 规范把自由度锁进可控空间
  • 重构把偶然的好运固化为稳定的结构

只有通过了测试,那才是你的代码。否则,那就是一枚随时会炸的随机数。

http://www.jsqmd.com/news/111385/

相关文章:

  • 2025网络安全学习路线 非常详细 推荐学习
  • ITransformer: Inverted Transformers Are Effective for Time Series Forecasting
  • word2markdown:一款优秀的Word转Markdown工具
  • Mistral 3 模型解析与部署实战:从 Large 3 到 Mini-stral
  • 10 个降AI率工具,本科生高效避坑指南
  • Kubernetes 实操命令大全
  • 研究生必备:8款免费AI论文工具,一键生成文献综述,真实引用无忧! - 麟书学长
  • bootchart数据量化工具使用
  • SG-TCP232-620(六通道串口服务器)特点与功能介绍
  • Linux 实操命令大全
  • [服务器应用开发教程]第二节-使用java让服务器忙起来
  • 【C++】学生管理系统设计与实现丨SQLite数据库版本
  • 【LangChain4J】流式输出(底层和高级api两种模式)
  • P1525 [NOIP 2010 提高组] 关押罪犯
  • 51单片机温度报警器:从C程序到Proteus仿真全记录
  • 集之互动AI创意视频解决方案:商业级可控,让品牌创意从“灵感”直达“落地”
  • 深入解析:【号码分离】从Excel表格、文本、word文档混乱文字中提取分离11位手机号出来,基于WPF的实现方案
  • Android开机性能分析工具bootchart详细使用
  • Test-2025
  • 9个高效降AI率工具,本科生必看!
  • 10个高效降AI率工具,自考学生必备!
  • 【2025实测】12款主流降ai率工具大汇总,论文降aigc一篇搞定(含免费降ai率工具) - 晨晨_分享AI
  • CentOS 7.9 在 VMware 17.5.0 上的完整安装教程
  • 计算机专业自学指南:从大一到大四,步步为营!从零基础到精通,收藏这篇就够了!
  • 从零开始的云原生之旅(十八):部署热更新——无需重启服务的幕后
  • 非专业也能看懂的AI大模型工作原理!(非常详细)从零基础到精通,一篇就够了!
  • 空间转录组上游(Space Ranger)
  • 详细揭秘如何使用 对哦 原理
  • vulkan中的SSBO
  • 非期望超效率SBM模型:Matlab实现与探讨