序员，你造吗？编程的范式在转变

这一篇写给广大的程序员群体。程序员，亲切一点，我就叫你序员吧。虽然是写的编程的事，但其中的趋势和道理，是无人能幸免的，几年之后再回来看我说得对不对。

序员，那我们开始吧。

1. 越来越眼高手低

我用 AI 写程序有快一年了，时下流行的说法叫 Vibe Coding（氛围编程），大概是编程像是聊天，AI 对编程人成天吹捧，吹捧完人类之后又开始自夸，洋溢着一片你好我好大家好的气氛吧？

用 AI 编程我试过下不同的工具，都很有意思。2024 年还是在 ChatGPT 或者 DeepSeek 这样的聊天应用中生成程序，然后再复制到 IDE。2025 年各种 AI 编程 IDE 齐飞，Agent 使用工具已经是标配，最早是 VSCode Copilot，后来用得比较多的是 Cursor，Claude Code，CodeX，字节的 Trae 我也用过，这些工具又各有特色。

改天我再对比不同 AI 编程工具，今天想分享的是一份自我观察。

一开始我是全然接受 AI 写的程序，天真地期望能躺平等着收货，现在已经变得非常批判和主动。我会重视文档，保持文档更新、关注测试用例，也会认真阅读它的思考过程，每一个编辑和运行命令，我都会严密监视，经常拒绝它的命令。发现它在无效打转犯糊涂的时候果断结束，然后自己孤军深入代码，分析和猜测原因，再把我的分析告诉它，或者重新描述需求。

总之，我想说明自己不是被动接受，而是保持积极参与，和 AI深度协同工作。最近我发现，我的编程技能依然在退化。具体表现是，有一天，所有模型的token 都消耗光了，于是我准备在它的程序基础上手工编程，最后失败而归。我审核 AI 的代码，能看懂，甚至看出一些考虑不周的逻辑问题，但是当自己建设时，手已经不听使唤，脑子也是模糊的，显得非常笨拙。

四个字形容：眼高手低。回想古法编程时代，我能徒手从 0 开始，用 C++写 Feed 推荐系统，对话系统。技能退化完全可以理解，因为程序大多数不是我写的嘛。其实这种感觉并不是第一次有，从 2021 年到 2024 年，这三年我上班就没有写过一行程序，工作内容就是开会和写汇报材料，我的汇报材料几乎都自己写，身边很多总监连汇报材料都不会自己写的，所以技能退化不是用 AI 编程导致的，是 AI 编程让我意识到这一点。

我开始推演，如果 AI 编程真的交付得很好，我也不会像现在这样和他深度协同，那么编程技能岂不是退化得更厉害吗？那时候人的价值是什么呢？还需不需要学习编程呢？

2. 别回头，向前走

编程是一项思维活动，从对问题建模，到系统设计，最后编码交付。在编程之前，还有一个更重要的活动是发现问题，所以全流程是这样：发现/提出问题，问题建模，系统设计，编码交付。交付的系统不能解决问题，还要继续调整。

这个过程中，最不确定但最有价值的是发现问题，或者说提出问题。在互联网公司中，常常由产品经理行使该职责，人工编程的时代，大多数程序员是在末端：编码交付。少数精英程序员，称为架构师，行使问题建模和系统设计职责。

如今 AI 编程，大行其道，构成抢夺优势，是在编码交付这一环节。如果一个程序员赖以谋生仅仅是对编程语言十分熟悉，只在编码交付这一环节产生价值的话，的确很危险。所以我产生眼高手低的紧迫感，正是来源于这一趋势：编程的最后一个环节，根据问题建模和系统设计方案生成代码，逐渐不再需要人参与，越来越黑盒了。原来习惯手工写代码的人，就要做好准备让渡这部分价值创造的权利，这就产生了一点危机感。

我推测，这个趋势在任何需要“制造”东西完成交付的行业，都有这个相似的转变范式：人的价值创造越来越往上游走，产出那一端逐渐都交给机器完成，人最终退守到“提出问题”这座孤岛。要接受这个趋势，并且早早做好准备。我感觉AI 写的程序我都能看懂，自己写又很迟钝，这是一个趋势演变中的剧烈摩擦现象，应对的方式绝不是再从AI 手中把工作夺回来。

过去，蒸汽机出现后，工人们去砸机器，以为就能保住工作。今天，城市的人们，去健身房撸铁，在户外跑步，因为下地劳作的这样既谋生又锻炼体力的工作少了，这时候人们就得主动找一些机会磨练体能，否则就会变得肥胖，带来健康问题，缓慢地被剥夺生存权利。未来，L4 的自动驾驶普及后，开车也将是一项兴趣活动，今天以开车为生的司机们会经历一个剧烈痛苦过程。

3.与其焦虑，不如行动

站在未来，看现在，应该做些什么呢？眼高手低的情况要不要改变呢？就以编程这项活动为例，其他行业我想是类似的道理。

首先要明白，战略上要清楚，AI 的潮水只会越涨越高，哪怕如今有一些泡沫未来可能会破裂，断无退潮的道理。建立了这个战略，才好思考应对。既然潮水只会越涨越高，我们只能往那座价值孤岛——提出问题去，且战且退。所以，善于发现问题，对问题做抽象，分清主要问题次要问题，这些能力需要有意识锻炼，这是人类最后的圣杯。

其次要有定力，人类有高维的优势，不要主动降维自己。今天的 AI 底层还是一个序列模型，它是一个语言模型，是在预测下一个 token 的基础上发展而来。这样的模型，很难处理高维全局的问题，因此系统设计、问题分解，这些工作它就完成得一塌糊涂。为了突破它相关的能力，现在业界都在研究如何更多更高效给 AI 提供上下文，发展出“上下文工程”这样的技术路线。即便如此，底层模型的原理决定了，在高维、全局和长远考虑方面，它有明显的天花板，除非有一天 Transformer 这个 AI 的基础神经网络解构被完全颠覆。在问题建模和系统设计方面，人类和 AI还有一个战略相持时期，多花时间锻炼这方面的能力。

第三，绝对不要放弃躬耕劳作。就像我们今天不需要种地，不需要大量的步行，已然要通过健身、跑步，甚至发明出各种有趣味的体育活动，来磨练人的肌肉、协调性等。在编程这件事上，也要有健脑的习惯。给自己建设一个 No AI Gym，每周就像安排运动一样，安排一些徒手编程的活动，不为了熟悉编程语言，只为了保持大脑的活跃，只有眼、脑、手三位一体才能起到健脑的效果。也只有保持躬耕这样的“实在”活动，才能度过范式剧烈改变过程中，摩擦带来的眼高手低这类痛苦。

第四，选择和问题更近的工作。编程这项活动，在大厂里已经是一个流水线了。业务提出问题，产品转化问题，研发解决问题，这样层层传递的工作大家习惯了。在我前司，一直弥漫着一种“程序员和产品经理离业务远”的认识，虽然产品和程序员们要么浑然不知，要么无所谓，但事实上的确如此。我还在前司工作时，就常跟周围小伙伴们讲，所谓“业务”，就是问题，是价值链的源头。

既然价值链下游的工作被 AI 取代已经板上钉钉了，程序员应该想办法迁徙到价值链上游去。可以在同行业转变身份，也可以是不变身份变行业。前者就不展开说，关于后者，换个说法是，是否有那种编程就有利于发现问题的？其实有，处理数据，数据分析，从数据中发现问题，发现价值，会编程就有很大的优势，这个就不过多说了，等我有了更多实践经验再分享。最近中美都有很多大厂在裁员，有的是因为范式改变导致，有的是泡沫破裂导致的，有兴趣聊转行话题的朋友，我们私下再交流。