AI 正在淘汰软件工程的中间阶层
AI is removing the middle class of software engineering
想象一下，当你度假回来，发现代码库已是一片狼藉。在 2026 年，这不再是假期后的特例，而是每个周一的常态。AI 移除了工程速度的限制，让缺乏工程文化的团队能以前所未有的速度制造技术债务。如今，工程师一天生成的代码量可能超过过去一年的总和，但理解这些代码却变得异常困难。当团队面对无法解释的架构决策时，往往只能依赖 Claude 或 Fable 等工具盲目修复，陷入恶性循环。坏工程师的代价变得极其昂贵，而好工程师的价值则被进一步放大。AI 并未解决软件工程，它只是让决策的质量成为了唯一的护城河。
AI 会让最优秀的人生产力大幅提升，却让糟糕的人几乎无法被雇佣。
HN 评论区
884- Syntaf
> 糟糕的工程师向来就是公司的累赘
这篇文章的这部分内容让我感同身受。有了 AI，“糟糕”的工程师现在可以将他们的“糟糕”工程实践在整个组织内放大十倍。在我看来，最恶劣的情况往往是那些资历深厚却已对技术失去兴趣的工程师，他们构成了危险的组合：既有足够的资历让代码上线，却又缺乏足够的兴趣去确保上线的代码质量过硬。
我依然坚信“垃圾进，垃圾出”（garbage in -> garbage out）的原则，AI 的好坏完全取决于你为它设定的抽象层和契约。我并不认为 AI 生成的代码本质上就是坏的，只是人们目前缺乏驾驭智能体（agents）去编写优质代码的正确技能。
今年早些时候，我为公司准备了一场关于“架构与设计对我们职业生涯意味着什么”的演讲，我对此感到非常自豪，并在此分享，希望能听听大家对这个话题的看法：https://youtu.be/SIZrt9Rt05Q?si=W57eirniWmoSFeBu
- scronkfinkle
我觉得这更像是“对 Stack Overflow 式工程师的自动化”。在企业级软件领域，一直以来都存在大量必须编写的代码，这是不可商量的。传统上，这部分工作是通过让资深工程师负责深度思考，然后将思路提炼成 Jira 工单，再交给另一位工程师去实际编写代码，并在过程中遇到每个小问题就去 Google 搜索来解决的。这种交接已不再必要，因为同样的资深工程师现在可以直接启动一个智能体，让它代为完成实现工作。
我听到有人将这种情况称为行业的“自然疗愈”：如果你当初只是为了高薪而入行，却从未对所做的工作进行批判性思考，那么这将会很痛苦，因为那个原本需要人工操作的过程现在已经被自动化了。被视为“有价值”的门槛已经被提高了。
- eshack94
这篇博客文章说明了永远不要将批判性思维或决策外包给 LLM 的重要性，也说明了永远不要在学艺上走捷径。学习很难，但正确地学习能让你理解正在发生的事情，让你能提出正确的问题，去判断智能体想要做出的变更是否最符合项目的目标（而不会在未来造成难以管理的技术债务）。
就我个人而言（我也很想听听大家的看法）：在使用 LLM 处理工作和开发任务时，我从不使用“全自动”模式，也绝不会手动批准任何我不理解的内容。当我不理解智能体想要做什么时，我会开启一个“支线任务”去深入了解该事物，先让自己受教育。这确实需要额外的时间，但我认为这是正确的做法，这样我至少可以从一个更知情的立场去批准、拒绝或重定向，而不是盲目飞行、寄希望于最好的结果。
除了作者讨论的内容外，我认为技能萎缩、因自满导致的停滞（即“既然智能体能做，何必成长学习”的心态）以及认知上的懒惰，都是过度依赖 LLM 带来的额外风险。人类生来就是为了思考的，而 LLM 只是一种工具。
- declan_roberts
在 AI 和 H-1B 签证带来的全球竞争夹击下，想要获得初级或中级软件工程职位真的变得前所未有的困难。
这意味着我们通往资深工程师的晋升通道已经完全断裂。
- level87
花很长时间去学习某样东西，结果它突然变得人人都能触手可及，曾经稀缺且宝贵的东西现在变得泛滥且廉价，这确实很难接受。
依然有机械师在手工操作，但在真正的生产或原型制作中，大多数人现在都会使用五轴 CNC 机床。这仍然需要某种操作员，但曾经需要熟练手工加工的大部分工作现在都由 CNC 完成了。
我认为这里正在发生同样的事情，只是这个过渡过程很混乱。
再给五年时间，我们如何达成最终结果将不再像现在这样重要。混乱的代码库将变得无关紧要，因为它将由 LLM 管理和控制，以一种针对 LLM 自身而非你我优化的方式编写。
- rayiner
技术几十年来一直就在做这件事。我认为我们很多关于“K 型经济”的讨论，实际上是在谈论上层中产阶级的分化，导致了受过教育的年轻人出现向下流动。我妻子的直系亲属中没人读完过大学。她和她的所有表亲都毫无疑问地比他们的父母过得更好。我的岳父曾在一家汤料厂开叉车。我的弟媳正在学习成为护士。这确实是一大步的提升。但是，“白领”中产阶级已经变得非常赢家通吃。用我所在领域的例子来说，如果你的父亲是地区律所的合伙人，那条路对你来说可能已经关闭了。技术使得整合和规模化成为可能，所以你不需要在美国每个城市都有律师来处理当地的法律工作。服务于华尔街客户的全国性律所的律师赚的钱比以往任何时候都多，但低于这一层级的收入下降却相当急剧。全国各地的中小企业在与亚马逊等巨头竞争时也遭遇了同样的命运。这对小资产阶级产生了巨大的影响。
当然，从经济效率来看这是合理的。没人会为了某个当地小企业主的孩子能过上比中位数人群更好的生活，而放弃亚马逊的当日达服务。
- whywhywhywhy
> AI 会让工程文化薄弱的项目失败得更快。
> 过去人们会坐下来讨论如何做某件事。现在他们只需向智能体提示几个小时，然后提交一个 PR。
> 这种工作方式最悲剧的方面在于，在行外人眼里，它似乎是行得通的。
> 如果你拉取分支并测试，你很可能会得到一个某种程度上能运行的东西。所以他们怎么做？他们继续做。一遍又一遍。直到项目达到一个没人知道任何东西是如何运作的境地。
这难道不是“失败得更快”的反面吗？它让那些本来在最初几个障碍前就会放弃的人深入其中，然后产生一种虚假的希望，认为他们可以靠提示词从任何烂摊子中脱身，结果导致越来越深的意大利面式代码。
- aabdi
> 你从未被期望去理解每一个服务和每一个数据库。但至少有人理解，并且会向你解释。
我同意这篇文章的大部分内容，除了这一条。我觉得这里有些“玫瑰色眼镜”滤镜，或者是我这些年运气不好。
AI 出现之前的生活也很糟糕。根本没人给你解释任何东西！你必须自己搞懂。那些人要么已经离职了，要么正忙着别的事情。
没人写测试（按我的标准）。大部分运维工作都被跳过了。文档根本不存在。没人做规范的 Lint 检查。简直太烂了，太烂了。
- xvilka
现在的问题是——没有人天生就是优秀或顶尖的工程师/程序员/科学家。这通常是一条漫长的道路：无数个不眠之夜，日复一日的磨砺，失败百万次，沿途犯下愚蠢的错误，这套通常被称为“经验”的苦难套餐。那么，对于下一代优秀或顶尖的工程师来说，路径在哪里？未来将不再有同样的机会或预算让他们走同样的路了。
- johnsmith1840
我同意这篇文章的观点。在我看来，在 AI 出现之前，优秀的工程师要么当下付出努力，要么积累了多年的经验。
糟糕的工程师多年来一直懒惰，而且永远不会改变。
你可能已经有过这方面的亲身经历。有没有过那种懒洋洋的日子，只是对着 AI 不停地点击“是”、“继续”？我就有过不得不回滚整整一天工作的经历，因为我太疲惫了，根本没有在设计上花心思。
不过，一条很好的经验法则是：如果 AI 无法解决某个 Bug，而且修复它反而制造了更多问题，那你就有一个糟糕的抽象和架构，需要推倒重来，几乎从零开始重建。