AI 之后程序员的未来：初级开发者产出更高，但资深工程师从哪来
The future of programmers, after AI
慕尼黑工业大学一项针对 275 名编程学生的研究发现，使用 AI 的学生编程任务表现更好，但概念理解并未显著优于使用传统资源的学生。斯坦福 Digital Economy Lab 2026 年 8 月更新显示，AI 高暴露职业中 22–25 岁劳动者的就业水平比低暴露职业趋势低约 19%，且差异主要来自招聘减少而非裁员。
我已经使用 AI 编程工具有一段时间了，说实话，进步简直疯狂。一个初级开发者需要花一天才能完成的事情，有时一个 agent 20 分钟就能搞定，还附带测试、文档，而且错误处理可能比我周五下午写的还要好。光是这一点就很疯狂：想象一下你在写代码上节省的时间，以及你可以把这些时间投入到其他事情上。
但最近有件事一直困扰着我：
当产出好代码不再需要理解如何产出好代码时，会发生什么？
更重要的是：下一代高级开发者会怎样？
初级开发者正变得非常高效
想象一下你正在学习后端开发，我让你创建一个端点。
你需要：
- 验证一些输入
- 查询数据库
- 处理错误
- 返回正确的 HTTP 状态码
- 编写测试
几年前，你大概必须对其中每一项至少学点什么才能完成任务。
- 也许你的 SQL 查询写得很糟糕，因此你了解了索引。
- 也许两个请求修改了同一个东西，于是你发现了竞态条件。
- 也许你给所有东西都返回 200，因为 HTTP 状态码对你来说还是个谜（我们都经历过），那正是我了解到 httpcat.com 的时候，哈哈
今天，你可以让 agent：
“按照这个仓库中的模式实现这个端点。添加验证和测试。”
而且很有可能它会正确地完成。初级开发者现在更高效了。你更高效了。我也更高效了。皆大欢喜。
但你真的理解了为什么这个实现是正确的吗？那是另一个问题。
慕尼黑工业大学的一项 2026 年研究 用 275 名编程学生测试了这一点。使用 AI 的学生在编程任务上表现更好，但与使用传统资源的学生相比，这种提升并未转化为显著更好的概念理解。
这之所以有趣，有一个非常重要的原因：我们越来越擅长产出结果，但不一定更擅长理解我们是如何达到那里的。这就像吃冷冻披萨：你吃到了披萨，那很好。但是，你学会怎么做披萨了吗？
无聊的东西其实很有用
问题在于，学习编程时很多烦人的部分其实……就是学习。花两个小时调试一个愚蠢的问题很糟糕，因为 Stack Overflow 上没有你的确切答案（或者他们因为你问了个“蠢”问题就朝你扔石头）而去读文档很糟糕，写一个慢的数据库查询、发现它慢、理解原因并修复它很糟糕。
但你会记住这些东西。
我以前说过，而且大概会一直说到 AI 取代我为止：你无法提示你不知道存在的东西。
这还有第二部分：你无法正确审查你不理解的东西。
AI 可以生成一个完全合理的数据库查询。但是，**当表有 2000 万行时，你怎么知道它不会把你的数据库搞垮？ **
AI 可以实现重试。但是，你怎么知道重试那个特定操作会不会导致对某人重复扣费？
AI 可以添加缓存。但是，**你怎么知道你所缓存的东西不应该被缓存？**
答案是经验。而经验通常来自动手做事、把事情搞砸，有时还要纳闷为什么生产环境会着火。如果我们让 AI 过多地替代这个过程，_我们可能正在移除造就优秀工程师的部分路径。_
已经有证据表明这不仅仅是编程领域的事。微软研究院调查了 319 名知识工作者，涉及 936 次生成式 AI 的真实使用场景。对 AI 的信心越高，批判性思考的投入就越少；而对自己知识更有信心的人，则倾向于对结果进行更多批判性思考。这很合理。如果你了解这个主题，AI 是你监督的对象。如果你不了解，AI 很容易变成你信任的对象。
好吧，但他们以后会学的……对吧？
也许吧。
但事情在这里变得更加复杂。我们也开始需要更少的初级开发者了。斯坦福数字经济实验室一直在利用数百万工人的工资数据，追踪 AI 暴露职业的就业情况。他们 2026 年 8 月的更新发现了一个相当明显的情况：在高度 AI 暴露的职业中，22 至 25 岁工人的就业人数比其遵循低暴露职业相同趋势本应达到的水平低约 19%。更有经验的工人则没有表现出同样的差距。
斯坦福数字经济实验室煤矿中的金丝雀？关于人工智能近期就业效应的六个事实 - 斯坦福数字经济实验室
他们还发现，这种差异似乎主要来自招聘减少，而不是人们被解雇。这并不意味着“AI 消灭了 19% 的初级岗位”。劳动力市场远比这复杂，研究人员自己也没有这样声称，但这一方向值得进一步关注。
公司可以给有经验的开发者提供 AI 工具，突然之间就能从他们身上获得多得多的产出。那么，当现有团队能做得更多时，为什么还要雇五个初级员工呢？从经济角度看，这完全说得通。直到它不再说得通。
资深工程师从何而来？
这是我认为我们讨论得不够充分的部分：资深开发者并不是一出生就带着 8 年经验的。每个资深工程师都曾是初级。即使是你在网上看到的那些拥有成千上万粉丝的人，或者那些创造了真正了不起的东西的人，他们也曾是初级（除了写 TempleOS 的那位，我觉得他是靠神恩获得知识的）。每个 staff 工程师都写过愚蠢的代码。每个数据库专家大概都至少写过一条自己不太引以为傲的查询。你是通过多年积累大量微小教训而变得有经验的。
但想象一下我们正走向的方向：
- 公司招聘的初级工程师更少了。
- 我们招进来的初级工程师借助 AI 跳过了更多底层工作。
- 有经验的开发者使用 agent 后生产力高得离谱。
- 公司需要的开发者更少了。
这在 Excel 表格上看起来很不错，然后 10 年过去，某天你回过头问自己：“新的资深工程师在哪里？”我们最终可能会制造出某种经验债。类似于技术债：你今天通过向未来借债来跑得更快。
只不过这一次，我们借的是工程师。
所以……初级工程师应该停止使用 AI 吗？
不。那会很蠢。AI 可能是我们创造过的最好的学习工具之一。你有一个 24/7 可用的东西，可以把一个概念解释 20 遍，还不会对你感到厌烦。
用它。
但“帮我把它做出来”和“帮我理解怎么做出来”之间有很大区别。
接受第一个实现，和问“这里可能出什么问题？”或者“你为什么选择这种方法？”甚至关掉 AI 一个小时、自己试着把该死的问题解决掉，这两者之间也有区别。
我们不会回到过去。AI 已经来了，agent 正变得越来越好，软件的制造成本可能也会继续降低，这是好事，但我们必须小心，不要把学习本身给优化掉了，因为未来问题可能不是不再有“编程”这个职业，或者 AI 终于取代了所有人、现在我们得靠崇拜 Sam Altman 为生。
问题可能是：我们拥有最强大的工具、更好的模型……但真正理解到底发生了什么的人却不够了。
来源：Hacker News · kevinaleman.com