可能的转变是从手工编写每一行代码转向指导和验证一个能草拟大部分代码的系统。在样板代码上花费的时间减少,在决定构建什么、精确表达意图和确认结果正确上花费的时间增加。适用的比喻是工程师作为编辑者或编排者,而不是唯一的作者。
缩减的方面
- 手动输入常规代码 — CRUD、样板、胶水代码、常见模式越来越多地由 AI 草拟。
- 机械查阅 — 语法、API 签名,以及"如何在库 Y 中做 X"问询比搜索更快。
可能的转变是从手工编写每一行代码转向指导和验证一个能草拟大部分代码的系统。在样板代码上花费的时间减少,在决定构建什么、精确表达意图和确认结果正确上花费的时间增加。适用的比喻是工程师作为编辑者或编排者,而不是唯一的作者。
要审查未由你编写的代码,你需要比自己编写时更好地理解它。要精确表达意图,你需要对数据结构、复杂性、并发和故障模式有扎实的理解。AI 提高了输出量的下限,但提高了判断力的上限 — 而判断力建立在基础知识之上。跳过基础的开发者可以生成代码,但无法判断何时代码是错误的。
AI 使深度知识过时的担忧本末倒置了。随着常规输入被自动化,差异化因素变成最难自动化的部分:充分理解系统以指导和验证它们。投资基础知识和设计品味 — 而非仅仅工具熟练度 — 是当角色上升到更高抽象层时保持价值的关键。