AI 让代码贬值后，我重新想了一遍后端、考研和 35 岁

有一段时间，我对技术的信念被击穿过一次。

不是因为我写不动代码，也不是因为某个面试没过，而是因为我第一次很直观地感受到：代码这件事，可能正在快速贬值。

真正让我产生这种感觉的，是 Fable5。

它带来的冲击不在于“AI 又会写代码了”，这种话我们已经听腻了。真正刺痛人的地方在于，它让人突然意识到，很多程序员每天做的事情，本质上是在把人话翻译成机器能执行的代码。过去这件事需要训练、经验、语感、框架熟练度，也因此能构成职业门槛。可一旦大模型足够强，这个翻译过程就不再天然稀缺。

所以焦虑不是“我不会写代码怎么办”，而是另一个更底层的问题：

如果写代码本身不再稀缺，那我还要不要继续把人生押在后端这条路上？

图：AI 辅助生成，作者筛选与整理。

我一开始还是想找技术护城河

最初的反应很自然：继续找技术护城河。

我去看 Pi、Agent、SDD、TypeScript、AgentLoop，也看各种新的工程范式。本质上，我是在问一个问题：AI 时代，软件工程师到底还能站在哪？

我以为答案可能是更深的工程能力，更复杂的系统设计，更成熟的架构经验。可越看越发现，事情没有那么简单。

代码、文档、架构说明、排障 SOP、项目经验，甚至某些所谓的“工程直觉”，很多都属于可符号化内容。只要上下文足够完整，反馈足够及时，agent 就能一层层压缩这些东西。它现在还做得不稳定，但方向已经很清楚。

这时候，传统后端那条路径带来的安全感就变弱了。

以前我们会觉得，CRUD 只是起点，往后还有数据库、操作系统、网络、分布式、高并发、稳定性，这些东西越深越安全。但现在的问题是，深度当然还有价值，可它不再自动等于生活安全。你可以越来越专业，也可以越来越累，最后仍然被行业周期、组织调整、年龄结构和技术替代一起推着走。

图：AI 辅助生成，表达“就业、读研、副业”三种选择的分叉感。

后来我发现，我真正想要的不是技术最强

后来我慢慢意识到，我真正想要的可能不是“技术最强”。

我想要的是，35 岁之前尽量不再完全依赖主动打工收入生活。

这句话一出来，很多判断就变了。

如果目标是成为最强后端，那当然应该继续卷技术，继续补底层，继续往大厂核心系统靠。但如果目标是未来拥有更多选择权，那技术就只是现金流工具，不是终局。

高薪技术岗依然很重要，因为它能在前期提供资金、履历和见识。但它也仍然是打工。它会有加班，会有竞争，会被行业周期影响，会被组织需要决定价值。你在里面越强，未必越自由，有时候只是更贵、更忙、更难停下来。

所以我也认真考虑过另一条路：及时收手，去考研。

这个想法不是逃避。相反，它有它的合理性。

如果现在手里还有几段不错的实习经历，简历没有崩，趁早准备考研，似乎是一种风险控制。哪怕失败，也不至于彻底断掉就业路径；如果成功，也许能换一个更高的平台、更强的圈层，甚至进入更高利润的方向。

但继续往下算，考研也不是天然解法。

它至少要半年准备，读研又是三年。三年里会有课程、论文、导师、项目、杂事，也会有新的就业周期。更关键的是，读研学到的东西同样不是永久资产。等毕业时，高薪岗位一样卷，AI 一样继续进化。如果方向选错，甚至可能从互联网的高利润岗位，退回到更低利润、更传统的行业里。

这时候我对考研的判断变得更清楚了：

考研只有在它能明显换来更高平台、更强圈层、更高利润方向、更好入场位置时，才值得。否则它很可能只是“半年准备，换三年 gap year”。

这不一定错，但不能因为焦虑就把它当成救命稻草。

就业仍然是可行路线，只是不能再当终局

我最后又回到了就业这条路上。

不是因为我相信后端永远安全，而是因为我觉得它还没有到必须立刻逃离的程度。

岗位会减少，但不会瞬间消失。复杂系统、历史包袱、线上事故、权限责任、合规流程、组织协作，这些东西不会因为模型会写代码就一夜消失。LLM 可以提高产出，但企业仍然需要有人为结果负责，需要有人理解上下文，需要有人在 badcase 里把问题兜住。

更现实一点说，我手里也不是完全没有筹码。几段还算能看的实习，至少说明我不是从零开始。没必要因为看到技术变天，就立刻把自己判成找不到工作。

所以更合理的路径可能是：

先就业，拿现金流；保持在 AI 和后端交叉位置的敏感度；不要再把“无限学习技术”当成唯一信仰；同时做副业试错，积累资产和渠道；在 35 岁之前，尽量把主动打工从唯一收入来源，变成可选项。

这里还有一件小事，对我影响挺大。

我有个朋友做跨境小店，半年左右做到每月两三千纯利润。这个数不夸张，甚至放在互联网工资面前很小。但它让我意识到一件事：副业现金流不一定来自多高深的知识。

它可能来自选品、渠道、执行、复制、低成本试错，来自不断跑通一个很小但真实的商业闭环。

这件事削弱了我对“必须继续无限学习技术”的执念。

技术当然重要，但不是所有现金流都来自技术深度。很多时候，能不能赚钱，取决于你是否真的接触市场，是否能把需求、渠道、转化、交付这些东西跑起来。写代码可以是工具，但不一定是护城河本身。

图：AI 辅助生成。技术护城河仍然重要，但它最好服务于现金流结构，而不是反过来吞掉生活。

长期主义不是一条路走到黑

这也是我这段时间最大的转变。

之前我一直在找技术护城河：更深的后端、更强的工程、更前沿的 AI、更复杂的 agent。现在我慢慢发现，真正要找的不是技术护城河，而是生活和现金流护城河。

技术会变，岗位会变，模型会变，行业叙事也会变。把安全感完全放在某一项技能上，本身就是危险的。

长期主义不是一条路走到黑，也不是用“坚持”包装路径依赖。它更像是不断校准：我到底要什么，眼前这条路是否还在接近那个目标，如果不是，就及时调整。

现在我的判断很简单。

不因为 AI 焦虑而盲目考研。就业仍然可以作为现金流工具。技术学习保持够用和前排敏感度。真正的主线，是高薪现金流、副业试错、资产积累，以及在 35 岁之前逐步撤离对主动打工的单点依赖。

以前我以为，答案是找到更强的技术。

现在我觉得，答案是找到更稳的生活结构。

这可能才是长期主义真正该指向的地方。