反 AI 争论正从工具批评滑向身份保卫战。
原文链接：AI小老六

有些技术争论，表面上在谈工具，底子里却在谈身份。

围绕 AI 编程工具 的很多不满，最初都很具体。代码质量参差不齐，团队容易堆出没人维护的功能，年轻工程师也可能在还没建立基本判断力之前，就把“会提示词”误当成“会开发”。这些担心并不空泛，很多团队已经在真实经历它们。

但争论走到今天，味道开始变了。

不少声音不再只是说“这个工具现在还不够好”，而是在讲另一套故事：过去的程序员更像匠人，更尊重代码，也更能从技术里获得个人表达；今天的软件行业却被规模、速度、增长和成本压扁了，​AI 只是退化趋势最醒目的象征​。它让代码更便宜、更大量，也更没有人格。

图：很多反 AI 情绪，真正指向的未必只是模型本身，而是被稀释的职业体面。

这套说法之所以有感染力，是因为它抓住了很多工程师正在失去的东西。

技术工作里，失去的到底是什么

先把情绪拆开看，会更清楚一些。

很多人并不是真的只恨 ​LLM​。他们恨的是另一件事：软件工程越来越像一套标准化生产流程。过去那种靠审美、经验和长时间打磨建立起来的职业自豪感，正在被预算、交付速度、增长压力和自动化工具一起稀释。

这也是为什么 AI 一出现，很多人的第一反应不是“它能不能帮我写测试”，而是“它会不会把这份工作里最值得珍惜的部分抽空”。

这不是纯技术问题，更像一次职业身份危机。

怀旧叙事为什么危险

怀旧本身并不可笑。每个行业都会怀念自己最体面的年代。问题出在，一旦怀旧变成一种 ​政治化叙事​，讨论就会迅速失真。

常见的结构大概是这样的：

叙事元素	常见表达	潜在风险
纯粹过去	以前的程序员是真正热爱技术的人	把历史理想化，忽略当年的门槛和排斥机制
腐化现在	现在只剩 KPI、融资和流水线代码	把复杂产业现实压成单一敌人
现代技术有罪	AI 只是粗制滥造和逐利文化的放大器	把工具本身神化成道德问题
回到旧秩序	应该恢复“真正的黑客精神”	容易走向排他和精英主义

一旦采用这套结构，讨论就很容易从“这个工具哪里有问题”，滑向“是谁毁掉了我们这门手艺”。

图：当复杂行业现实被压成一套怀旧叙事，讨论很容易从分析走向站队。

后者当然更有煽动力，也更容易让人忽略现实。

现实是，软件行业从来就不是一个只靠纯粹热爱运转的地方。它一直同时包含创造、商业、分工、投机、标准化和权力分配。今天的 AI 编程工具 把矛盾放大了，但没有凭空制造这些矛盾。

技术圈为什么特别容易掉进这种情绪

工程师群体对“技艺”这件事有天然执念，这本来是好事。问题在于，当行业环境恶化时，这种执念很容易转成一种受伤的优越感。

如果一个群体长期相信，自己工作的核心意义在于把事情做得漂亮、精确、有章法，那么当外部世界忽然开始奖励“足够快”“先上线”“能自动生成就别手写”时，最直接的感受往往不是不适，而是被羞辱。

这种羞辱感会寻找对象：AI 公司 是对象，管理层是对象，用 AI 的同事也是对象。

到了这个阶段，争论的重点已经不是代码，而是谁还有资格代表“真正的工程”。

这也是最需要刹车的时候。

反对 AI，不等于反现代

真正有力量的批评，从来不是把技术打成一种本体上的恶，而是把场景讲清楚。

比起争论“AI 到底是不是毒药”，更值得讨论的是这些问题：

• 什么时候 AI 会削弱判断力？
• 什么时候它会让团队高估产能、低估维护成本？
• 什么时候它反而能帮助视障开发者、非英语开发者，或者原本没有资源快速试错的小团队？

复杂技术进入主流之后，影响一定是混合的。它既会伤害一些旧秩序，也会给原本被排除在外的人带来新工具。把这两面都看见，才是成熟判断。

图：成熟的技术判断，不是把 AI 神化或妖魔化，而是把具体场景说清楚。

讨论 AI 时，最该保留的是分寸

技术圈很容易把自己说服进一种戏剧性的世界观里：一边是坚持质量和尊严的人，一边是投机、速成和廉价自动化的联盟。这样的叙事听起来确实痛快，但它对判断没有太大帮助。

更现实的做法可能朴素得多：

• 先承认 ​AI 会改写软件生产​。
• 再承认它不会平均地改写每一类工作。
• 最后承认，真正需要保住的并不是某种浪漫化的旧时代程序员形象，而是判断力、责任感、审美、对复杂系统的敬畏，以及愿意把问题想深一层的耐心。

如果这些东西还在，工具换了，行业也未必就坏掉了。

怕的是另一种情况：大家都开始用一套越来越简单、越来越激烈、越来越像阵营口号的方式讨论技术。那时候，被稀释的就不只是代码质量了。

推荐阅读

业务 Agent 搭建指南：别急着重造 Agent，用知识、工具与评测跑通闭环

为什么 AI Coding 难进生产环境？深入了解 Everything-Claude-Code！

Hermes Agent /goal 长任务运行时架构拆解：状态持久化、Judge 闭环与自主续航

Agent Harness 架构真相：Prompt Cache 如何决定 Skill、MCP 与 SubAgent 设计

CodeGraph 代码图谱实战：AI Agent 为什么不该再从 grep 开始？