写在前面：这不是一篇鼓励你"拥抱AI"的营销文章，也不是贩卖焦虑的末日预言。
这是一个写了十年代码的人，在某个深夜盯着 Cursor 自动补全完整个函数之后，认真问自己的一个问题。

---

那一夜，AI 写完了我的代码

去年年底，我在赶一个需求——一个中等复杂度的数据处理模块，按我过去的速度大约需要半天。

我打开 Cursor，描述了一下需求，它给我写出了 80% 的代码。剩下的 20%，我花了不到一小时补完、调试、上线。

那一刻我没有感到兴奋。

我感到的是一种说不清楚的空洞感。

不是因为 AI 写得不好，恰恰相反，它写得相当不错。我空洞，是因为我突然意识到：那 80% 的工作，我已经做了将近十年了。

---

我们到底在卖什么？

做程序员这行，大多数人从没认真想过这个问题。

我们以为自己在卖技能——写代码的能力、熟悉某个框架、掌握某种语言。这个认知在过去二十年里运转良好，因为"能写代码"本身就是稀缺资源。

但 AI 正在把这个稀缺性快速抹平。

GitHub Copilot 的数据显示，接受 AI 建议的代码已经占到部分开发者日常提交的 40%–50%。更激进的数据点：在某些重复性较高的业务代码场景，这个比例超过 70%。

这不是未来，这是现在。

所以问题变成了：如果"写代码"不再稀缺，程序员在卖什么？

我想了很久，得出了一个也许不那么讨喜但更接近真相的答案——

我们在卖判断力。

---

AI 擅长什么，不擅长什么

在讨论程序员的价值之前，必须先冷静地看清楚这个工具的边界。

AI 真正擅长的事

• 已知模式的实现：CRUD、REST API、常见算法、标准数据结构——这类有明确"正确答案"的代码，AI 写得又快又好
• 代码翻译与重构：把 Python 改成 Go，把过程式代码改成函数式，把旧接口适配新接口
• 样板文件生成：配置文件、测试用例模板、文档初稿
• 已知错误的修复：错误信息清晰、Stack Overflow 上有大量案例的 bug，AI 通常一眼能看出来
• 代码解释：把陌生代码翻译成人话，效果往往比资深同事讲得还清楚

AI 真正不擅长的事

这里是关键，也是我们需要认真思考的地方：

• 理解"为什么做"而不仅仅是"怎么做"：AI 可以实现任何你描述的功能，但它不知道这个功能是否应该存在
• 在模糊中做决策：真实的业务需求往往是矛盾的、不完整的，需要人去厘清、取舍、推动对齐
• 跨系统的全局视角：理解技术债、系统演化路径、各个历史决策背后的上下文
• 识别"这个需求本身有问题"：有时候最正确的程序员行为是拒绝实现某个需求
• 在不确定性中信任自己的直觉：当所有指标都说"可以上线"但你就是觉得哪里不对

---

十年教会我的事，AI 还没学会

我做过最有价值的几件事，没有一件是写代码。

第一件事：在一次需求评审上，我指出某个"优化用户体验"的功能改动，会导致一批老用户的操作习惯被打断，而这批用户恰好是营收贡献最高的 20%。产品经理当时很不开心，但后来这个功能被推翻重做。

第二件事：我们的系统曾经有一个"运行好好的"定时任务，没有人敢动，文档全无。我花了三天把它彻底读懂，发现它有一个隐藏的竞争条件，在流量低的时候不会触发，但每逢大促必然出问题。在它造成事故之前，我们重写了它。

第三件事：一个新同事提出用某个时髦的新技术重写核心模块，理由充分，Demo 也跑通了。我说不行，因为那个技术的社区在萎缩，三年后会是麻烦。我们没有重写。两年后，那个技术的主要维护者宣布停止更新。

这三件事有一个共同点：它们都需要上下文、经验和判断，而不是执行能力。

AI 在这三个场景里帮不上多少忙——不是因为它不够聪明，而是因为这些判断所需要的信息，大部分存在于系统之外：组织的历史、人与人之间的博弈、行业的走向、那种"感觉不对"的直觉。

---

程序员价值的三个层次

我现在认为，程序员的价值可以分成三个层次，AI 的冲击力在每个层次是不同的。

┌─────────────────────────────────────────────┐
│  Level 3 · 系统思维层                         │
│  架构决策 · 技术战略 · 工程文化                 │
│  AI 冲击：★☆☆  人的判断力不可替代             │
├─────────────────────────────────────────────┤
│  Level 2 · 问题理解层                         │
│  需求分析 · 方案设计 · 权衡取舍                 │
│  AI 冲击：★★☆  AI 可以辅助，但人要主导         │
├─────────────────────────────────────────────┤
│  Level 1 · 代码执行层                         │
│  写代码 · 调 bug · 写测试 · 写文档              │
│  AI 冲击：★★★  正在被深度替代                  │
└─────────────────────────────────────────────┘

大多数程序员花 80% 的时间在 Level 1，偶尔触及 Level 2，很少主动思考 Level 3。

AI 的到来，正在把 Level 1 的时间成本压缩到接近零。这不是威胁，而是一个信号：你现在必须在 Level 2 和 Level 3 上证明自己的价值。

---

不要误解"AI 工具用得好"这件事

我见过一种危险的认知：认为"AI 时代程序员的核心能力就是会用 AI 工具"。

这话只说对了一半。

会用 AI 工具，是 2025 年的基础门槛，就像会用 Git 是 2015 年的基础门槛一样。门槛不是护城河。

如果你的核心竞争力是"我的 Prompt 写得比别人好"——那你确实危险，因为这个能力的门槛会随着 AI 越来越"聪明"而持续下降。

真正值得培养的，是用 AI 放大之后依然有差距的能力：

• 业务理解的深度：你比 AI 更懂这个行业、这家公司、这个用户
• 系统演化的直觉：你能预判三年后这个决定会带来什么麻烦
• 跨边界的沟通能力：在技术与业务之间做翻译，在团队中建立共识
• 对"够好"的判断：知道什么时候应该停下来，什么时候值得再打磨

这些能力，AI 是放大器，不是替代品。

---

一个残酷的现实

我必须说一个很多人不愿意听的事情。

不是所有程序员的价值都值得被保留。

如果你过去十年做的事情，主要就是：按照设计稿写页面、把产品文档翻译成 CRUD 接口、复制粘贴 Stack Overflow 的答案——那 AI 确实正在替代你做的这些事情，而且替代得很好。

这不是程序员群体的问题，而是任何行业的通用规律：重复性强、模式固定、不需要上下文判断的工作，都会被自动化。

十年前被自动化的是流水线工人，现在轮到部分脑力劳动。

承认这一点不是投降，而是起点。

---

那我们应该怎么办？

说了这么多问题，我不想给出一个"五步走向AI时代赢家"的操作清单，那类文章已经够多了。

我只想说三件我自己正在做的事：

1. 把 AI 省出来的时间，投入到理解"为什么"

每次 AI 帮我完成了一段代码，我不是直接提交，而是多问一句：这个功能为什么会存在？谁在用它？它解决的真正问题是什么？

这个习惯让我开始真正理解我维护的系统，而不只是会写它。

2. 主动走出代码编辑器

和产品经理聊用户调研，去看看客服的投诉记录，参加一次销售的客户会议。

程序员长期待在编辑器里会形成一种"代码即世界"的幻觉。打破这个幻觉，你才能看到代码之外那些更有价值的判断空间。

3. 重新定义"做完了"

以前"做完了"是代码跑通、测试通过。

现在我给自己加了一个问题：这个功能上线之后，会发生什么？三个月后，一年后？

这个问题没有标准答案，但经常问，会让你开始从系统视角看问题，而不是任务视角。

---

写在最后

AI 没有让我觉得自己不重要。

它让我意识到，我过去的很多时间，花在了一些确实不那么重要的事情上。

这是一种痛苦的清醒，但也是一种礼物。

当那些可以被替代的工作被替代之后，剩下的，才是我们真正值钱的地方：对复杂问题的理解，对不确定性的容忍，以及对人和系统的持续好奇心。

这些东西，不是 AI 教不了你，而是它根本就不在乎。

而我们在乎。

这就是我们的价值。

---