在AI的大趋势下，程序员这个夕阳行业还能存在几年
在AI大模型趋势下，程序员行业面临效率提升与生存危机并存的挑战，角色转型和技术方向选择成为关键，部分人认为程序员行业将加速萎缩，但也有观点认为“软件工程”将永生，人类将更多地扮演AI的管理者和引导者角色。
1. 关键信息
- (之前已归纳) AI（特别是大语言模型）正快速渗透编程领域，导致程序员减少手写代码，依赖AI进行编码、测试和问题排查。
- (之前已归纳) 这种趋势引发了对程序员行业未来生存空间的担忧，有人将其比作“49年入国军”。
- (之前已归纳) 部分公司管理层已开始考虑“homestead”（自给自足的农场生活）等应对AI冲击的后备方案。
- (之前已归纳) “vibe coding”（不深入理解代码，仅通过AI辅助快速生成）可能导致代码质量下降，使软件业变成“屎山”。
- (之前已归纳) AI生成的代码质量参差不齐，代码审查（Code Review）负担加重，甚至出现了AI审查AI的现象。
- (之前已归纳) 部分公司因AI应用而出现降薪现象，加剧了对行业前景的悲观情绪。
- (之前已归纳) 美国科技公司（如Meta）也存在非AI相关软件工程师（SWE）价值降低而导致的降薪现象。
- (之前已归纳) AI生成代码的比例迅速增加，有用户反映从一个月50%上升到近期一周97%。
- (之前已归纳) 部分程序员反映工作负担加重，需要在多个工作区切换prompt，并处理糟糕的工具链。
- (之前已归纳) 管理层认为程序员不如以前“专研”，倾向于使用AI而非深入阅读原代码。
- (之前已归纳) 用户对“99%的代码不需要审查”表示怀疑，认为AI生成代码出问题时，责任仍由提交PR的人承担。
- (之前已归纳) 部分公司高管已开始在农村购买土地，为AI带来的“大冲击”做准备，与历史上的“跑路”现象类似。
- (之前已归纳) AI生成的代码量大且质量堪忧，导致代码审查耗时且负担重，有人宁愿在家吃福利也不愿处理。
- (之前已归纳) 有用户提出，AI生成的代码如果出现问题，责任应由AI承担，而非人类程序员。
- (之前已归纳) AI生成的代码量大且质量差，可能需要大量人力修复，这反而可能成为job security的来源。
- (之前已归纳) 出现了“AI resistance movement”，如“poison fountain”，旨在让大语言模型“变傻”。
- (之前已归纳) AI生成的代码质量低下，可能导致软件业退化，需要大量程序员在后面修补。
- (之前已归纳) AI带来的“大跃进”式发展，一旦基础设施出现bug，可能导致人类生存危机。
- (之前已归纳) 部分团队仍坚持人工审查代码，并担心AI生成的低质量代码（slop）。
- (之前已归纳) 随着AI生成代码普及，SDE角色可能转变为SDM（协调AI代理并与PM沟通），未来甚至可能取消SDM层。
- (之前已归纳) 在汽车、飞机、硬件等高可靠性行业，AI生成的“vibe code”是不可接受的。
- (之前已归纳) 相较于程序员，那些“工作内容全靠一张嘴”的岗位更容易被AI替代。
- (之前已归纳) 公司高层（director）购买土地为“大冲击”做准备，但他们本身不写代码，可能并不担心。
- (之前已归纳) 项目要求用AI快速写代码，质量可以先不管，只为快速出成果演示。
- (之前已归纳) AI辅助编程反而导致工作更累，因为需要不断修改AI生成的错误代码。
- (之前已归纳) AI生成代码后，管理层对开发速度的期望反而提高了。
- (之前已归纳) AI生成的代码量巨大，导致PR审查难以仔细进行，AI的审查也可能存在疏漏，最终导致代码稀里糊涂地合并。
- (之前已归纳) AI生成代码的“屎山”问题，在硬件发展迅速的情况下可能影响不大，但从竞赛角度看，所有代码都是“屎山”。
- (之前已归纳) AI时代的项目管理能力变得尤为重要，如何让AI写出大型项目而不崩是个学问。
- (之前已归纳) 未来进入编程领域可能需要PhD学位，类似于药厂的招聘门槛。
- (之前已归纳) 即使是强大的AI，也可能陷入死胡同，并且出错后越改越乱。
- (之前已归纳) 程序员需要为AI生成的代码背锅，因为工资是人领的。
- (之前已归纳) AI最容易出成绩且最容易干掉的领域是写代码，这出乎了许多人的意料。
- (之前已归纳) ChatGPT的出现预示了AI在编程领域的优势，因编程语言数据集丰富、验证简单、歧义性低，且是AI研究者熟悉的领域。
- (之前已归纳) AI的强大可能会催生更多个人公司去满足个性化、定制化需求，但大型公司可能会减少。
- (之前已归纳) “软件工程”将永生，因为组织AI完成大型复杂项目比AI独立写代码更难。
- (之前已归纳) AI最终可能掌握软件工程的最佳范式。
- (之前已归纳) AI在编程领域的优势是“明摆着”的，尤其是在ChatGPT出现后，大家逐渐学会了利用AI。
- (之前已归纳) 对于“job security”，学习“vibe coding”是趋势，但AI技术更新迭代快，学习皮毛可能很快过时。
- (之前已归纳) AI Lab的PhD不一定擅长使用AI编程工具，更关注基础模型研究，对软件工程敏感性可能较低。
- (之前已归纳) AI训练编程能力不一定需要使用者会写代码，而是看模型能否判断好坏。
- (之前已归纳) 程序员的开源材料丰富，使得AI更容易训练。
- (之前已归纳) AI可能带来“三年自然灾害”，消灭过剩人口。
- (之前已归纳) TL/TLM/EM（技术负责人/技术项目经理/工程经理）是未来大趋势，具体执行将交给AI，而TL本身一直以来就是“vibe”工作。
- (之前已归纳) 科技公司可以效仿快消公司设立管培生制度，培养TL技能而非纯粹写代码。
- (之前已归纳) AI的发展仍然需要NG（New Graduate）来培养未来的TL/EM。
- (之前已归纳) Systems方向（OS, Database, Network）替代性相对较低，AI写高性能代码有难度。
- (之前已归纳) MLSys（Machine Learning Systems）方向需求大且替代性一般。
- (之前已归纳) Theory方向（理论研究）最不容易被替代，但主要适用于学术界或Quant/MLE岗位。
- (之前已归纳) 计算机体系架构和操作系统方向代码相对较少，且涉及HW in the loop等测试难题，安全性和替代性也相对较低。
- (之前已归纳) 针对性SFT（Supervised Fine-Tuning）可能不需要大量数据就能训练出AI在特定领域的（如体系架构）能力。
- (之前已归纳) Dijkstra关于软件工程“注定失败”的观点，强调了编程本身的固有难度，AI试图降低门槛的局限性。
- (之前已归纳) AI对程序员的冲击速度极快，可能以月为单位计算。
- (之前已归纳) AI对软件工程的冲击引发了对“vibe coding”的讨论，并质疑相关调查数据。
- (之前已归纳) AI对程序员的冲击可能导致manager效率提升，组织结构扁平化，从而减少管理岗位。
- (之前已归纳) AI对程序员的冲击可能引发系统性的经济崩溃，关乎人类生存。
- (新增回复) Prompt engineering目前处于早期阶段，远未达到AI能力的全部潜力，需要高效、直接地“压榨”AI产出，甚至可能需要强硬的沟通风格。
- (新增回复) AI模型在工程应用中存在“out of context”的问题，即无法充分获取项目上下文信息，导致其决策和产出存在偏差。
- (新增回复) Agentic infra（代理基础设施）的落后是制约AI能力发挥的重要因素，一旦完善，即使是现有模型也能显著提升。
- (新增回复) AI生成代码的质量问题依然存在，尤其是在复杂或非标准场景下，需要人工定框架和填坑，且存在具体的技术问题（如变量未初始化），人工排查耗时。
- (新增回复) 基于当前美国经济现状，程序员行业的萎缩速度可能比其他行业更快，未来可能仅需少数特定岗位。
- (新增回复) 未来可能兴起一人工作室，但需要选择大厂不看好、营收不高的细分领域。
- (新增回复) 设想未来人人都是自媒体，产出App，流量分发渠道作用凸显，被视为“共产主义”的实现。
- (新增回复) 用户IlllIIlIIIllIIl对“都会”的定义提出疑问，认为大厂的螺丝钉化限制了个人全面发展，并对“都会”人士的工作地点（如创业）表示好奇。
- (新增回复) AI在漏洞检测、入侵检测、代码分析和自动化安全测试方面的能力远超传统安全人员。但他也指出，系统和安全是不同领域，尤其在嵌入式开发等涉及硬件的场景下，AI打通整个开发流程的成本很高。
- (新增回复) 对不同AI模型的评价：Opus在抠代码细节方面强，但抽象逻辑思考差，且在修复bug方面不如Codex高效；Gemini3在数学关系判定任务上优于Opus。
- (新增回复) 未来范式：AI写AI自己的代码（甚至机器代码），使用者不参与、不懂、不负责，由提供AI工具的部门负责；少数任务中，AI写人能看懂的代码，人负责review并承担责任。他质疑人类的想象力和创造力是否能跟上AI解放的生产力。
- (新增回复) 下一阶段是“AI写代码AI review”，人只负责设定AI review的标准、任务目标和验收标准，人将更多地控制流程本身。
- (新增回复) 有用户认为，人的“破事”永远解决不完，只会越来越多，这需要更多的“AI驯兽师”。
- (新增回复) Jevons paradox（杰文斯悖论）被提及，暗示效率提升可能导致资源（如AI编程工具的使用）总消耗量增加。
- (新增回复) AI能否自主提出需求是未来发展的一个方向，目前已开始尝试让AI模拟用户群体进行点评。
- (新增回复) CS 101 改教 Python 获得一片叫好，暗示了降低编程门槛的趋势，这可能与AI试图降低编程难度有异曲同工之妙，也可能意味着大量“轮子”的出现是为了让不具备深厚编程基础的人也能参与开发。
- (新增回复) Waymo的自动驾驶技术在实际应用中存在需要远程监控的情况，这暗示了即使是高度自动化的技术也需要人工介入，以及AI在复杂场景下的局限性。
- (新增回复) 用户分享了使用 ChatGPT (cc) 辅助 Airflow pipeline 故障排查的经验，指出 AI 定位问题比自己快，但仍需要手动操作。
2. 羊毛/优惠信息
- 无
3. 最新动态
- 无
4. 争议或不同意见
- (之前已归纳) 有用户认为AI辅助编程在复杂问题上仍存在麻烦，并非万能。
- (之前已归纳) 有用户认为AI生成的代码质量堪忧，可能导致软件业整体退化。
- (之前已归纳) 部分用户认为AI生成的代码质量低下，可能需要大量人力修复，这反而增加了工作机会。
- (之前已归纳) 有用户认为AI生成的代码质量差，但责任应由AI承担。
- (之前已归纳) 有用户对AI生成的代码质量表示担忧，认为其可能导致软件基础设施的 মারাত্মক问题。
- (之前已归纳) 有用户认为AI生成的代码质量低下，但其可能反而增加人力修复需求，成为工作保障。
- (之前已归纳) 有观点认为AI的普及可能导致经理（manager）角色被削弱甚至取消。
- (之前已归纳) 有用户认为在对可靠性要求极高的领域（如汽车、航空、硬件），AI生成的代码不可靠。
- (之前已归纳) 有观点认为“靠嘴”工作的岗位比程序员更容易被AI替代。
- (之前已归纳) 高层（director）购买土地为“大冲击”做准备，但他们本身不写代码，因此并不担心。
- (之前已归纳) AI辅助编程反而导致工作更累，因为需要不断修改AI生成的错误代码。
- (之前已归纳) AI生成代码后，管理层对开发速度的期望反而提高了。
- (之前已归纳) AI生成的代码量巨大，导致PR审查难以仔细进行，AI的审查也可能存在疏漏。
- (之前已归纳) AI生成代码的“屎山”问题，在硬件发展迅速的情况下可能影响不大。
- (之前已归纳) AI时代的项目管理能力变得尤为重要。
- (之前已归纳) 未来进入编程领域可能需要PhD学位。
- (之前已归纳) 即使是强大的AI，也可能陷入死胡同，并且出错后越改越乱。
- (之前已归纳) 程序员需要为AI生成的代码背锅是因为工资是人领的。
- (之前已归纳) AI最容易出成绩且最容易干掉的领域是写代码。
- (之前已归纳) ChatGPT的出现早已预示了AI在编程领域的优势。
- (之前已归纳) AI的强大可能会催生更多个人公司去满足个性化、定制化的需求，但大型公司可能会减少。
- (之前已归纳) “软件工程”将永生，因为组织AI完成大型复杂项目比AI独立写代码更难。
- (之前已归纳) AI最终可能掌握软件工程的最佳范式。
- (之前已归纳) AI在编程领域的优势是“明摆着”的，尤其是在ChatGPT出现后，大家逐渐学会了利用AI。
- (之前已归纳) 对于“job security”，学习“vibe coding”是趋势，但AI技术更新迭代快，学习皮毛可能很快过时。
- (之前已归纳) AI Lab的PhD不一定擅长使用AI编程工具，他们更关注基础模型研究，而对软件工程的敏感性可能较低。
- (之前已归纳) AI在编程领域的优势是“明摆着”的，尤其是在ChatGPT出现后，大家逐渐学会了利用AI。
- (之前已归纳) 程序员的开源材料丰富，使得AI更容易训练。
- (之前已归纳) AI可能带来“三年自然灾害”，消灭过剩人口。
- (之前已归纳) TL/TLM/EM（技术负责人/技术项目经理/工程经理）是未来大趋势，具体执行将交给AI，而TL本身一直以来就是“vibe”工作。
- (之前已归纳) 科技公司可以效仿快消公司设立管培生制度，培养TL技能而非纯粹写代码。
- (之前已归纳) AI的发展仍然需要NG（New Graduate）来培养未来的TL/EM。
- (之前已归纳) Systems方向（OS, Database, Network）替代性相对较低，AI写高性能代码有难度。
- (之前已归纳) MLSys（Machine Learning Systems）方向需求大且替代性一般。
- (之前已归纳) Theory方向（理论研究）最不容易被替代，但主要适用于学术界或Quant/MLE岗位。
- (之前已归纳) 计算机体系架构和操作系统方向代码相对较少，且涉及HW in the loop等测试难题，安全性和替代性也相对较低。
- (之前已归纳) 针对性SFT（Supervised Fine-Tuning）可能不需要大量数据就能训练出AI在特定领域的（如体系架构）能力。
- (之前已归纳) Dijkstra关于软件工程“注定失败”的观点，强调了编程本身的固有难度，AI试图降低门槛的局限性。
- (之前已归纳) AI对程序员的冲击速度极快，可能以月为单位计算。
- (之前已归纳) AI对软件工程的冲击引发了对“vibe coding”的讨论，并质疑相关调查数据。
- (之前已归纳) AI对程序员的冲击可能导致manager效率提升，组织结构扁平化，从而减少管理岗位。
- (之前已归纳) AI对程序员的冲击可能引发系统性的经济崩溃，关乎人类生存。
- (新增回复) AI模型在工程应用中存在“out of context”的问题，即无法充分获取项目上下文信息，导致其决策和产出存在偏差，这与旧摘要中AI生成代码质量问题相互印证。
- (新增回复) Agentic infra（代理基础设施）的不足是制约AI能力发挥的关键，其完善将极大提升AI的效能。这为AI在编程领域的进一步发展指明了方向，也暗示了未来可能需要专门的AI基础设施来支持更复杂的编程任务。
- (新增回复) 与AI模型沟通需要高效、直接的方式，甚至可能需要“打是亲骂是爱”的沟通风格来最大化其产出，这与旧摘要中关于程序员工作负担加重，需要不断切换prompt的描述相呼应，强调了与AI协作的技巧性。
- (新增回复) AI生成代码的质量问题依然存在，尤其是在复杂或非标准场景下，需要人工进行框架搭建和错误修复，耗时且费力，这与旧摘要中关于“屎山”代码和代码审查负担加重的担忧一致。
- (新增回复) 基于当前美国经济现状，程序员行业的萎缩速度可能比其他行业更快，未来可能仅需少数特定岗位，这呼应了旧摘要中关于降薪和行业前景悲观的讨论。
- (新增回复) 探讨了未来一人工作室的可能性，但强调需选择大厂忽视的细分领域，这与旧摘要中AI可能催生更多个人公司但大型公司可能减少的观点形成补充。
- (新增回复) 预测未来可能出现“人人都是自媒体”的趋势，通过App产出内容，流量分发成为关键，这为程序员的未来发展提供了新的视角。
- (新增回复) 对“都会”的定义提出质疑，认为大厂的螺丝钉化限制了个人全面发展，并对“都会”人士的工作地点（如创业）表示好奇，这反映了对传统职业发展路径的思考。
- (新增回复) AI在安全领域的应用（如漏洞检测）被认为远超传统安全人员，但涉及硬件的开发流程AI打通成本高，这为程序员在特定领域（如嵌入式开发）提供了相对安全的避风港。
- (新增回复) 不同AI模型在代码细节、逻辑思考、bug修复和数学判定等方面表现各异，Codex在bug修复上优于Opus，Gemini3在数学判定上优于Opus，这为程序员选择和使用AI工具提供了参考。
- (新增回复) 未来可能出现AI写AI代码，人只负责设定标准和目标，人更多地控制流程的范式，这与旧摘要中关于SDE转变为SDM，甚至取消SDM层的设想相呼应，预示着人类角色的转变。
- (新增回复) AI生成代码的“review”形式可能改变，不再是为保证质量而设计给人的流程，而是机器采用更优化的方式进行交叉检查，这进一步强调了AI在软件开发流程中的自动化和潜力。
- (新增回复) 有用户认为，人类总会产生新的问题，这需要更多的人来充当“AI驯兽师”，这为程序员的未来角色提供了新的定义，即成为AI的管理者和引导者。
- (新增回复) Jevons paradox（杰文斯悖论）被提及，暗示效率提升可能导致资源（如AI编程工具的使用）总消耗量增加，这为理解AI对程序员工作量的影响提供了经济学理论视角。
- (新增回复) AI能否自主提出需求是未来发展的一个方向，目前已开始尝试让AI模拟用户角色进行点评，这为AI在软件开发生命周期中的应用拓展了新的可能性。
- (新增回复) CS 101 改教 Python 获得一片叫好，暗示了降低编程门槛的趋势，这可能与AI试图降低编程难度有异曲同工之妙，也可能意味着大量“轮子”的出现是为了让不具备深厚编程基础的人也能参与开发。
- (新增回复) Waymo等自动驾驶技术在实际应用中仍需远程监控，表明即使是高度自动化的技术也需要人工介入，AI在复杂场景下仍有局限性。
- (新增回复) 用户分享了使用 ChatGPT (cc) 辅助 Airflow pipeline 故障排查的经验，AI 定位问题比自己快，但仍需要手动操作。
- (新增回复) 不排除是故意不去推动AI完全打通，因为一旦打通，领导层可能面临被取代的风险。
5. 行动建议
- (之前已归纳) 关注Systems、MLSys、Theory方向，或计算机体系架构、操作系统等替代性较低的领域。
- (之前已归纳) 提升项目管理能力，学习如何组织AI完成大型复杂项目。
- (之前已归纳) 考虑向TL/TLM/EM等管理或协调角色转型，而非纯粹的编码者。
- (之前已归纳) 学习AI工具的使用，掌握prompt engineering，提高工作效率。
- (之前已归纳) 警惕“vibe coding”的陷阱，避免过度依赖AI而忽视代码质量和深入理解。
- (之前已归纳) 关注AI发展对行业的影响，为可能的“大冲击”做好准备。
- (新增回复) 程序员应积极探索和试验各种AI编程工具，并学习如何有效与AI模型沟通（prompt engineering），以提升工作效率和产出，甚至可能需要“打是亲骂是爱”的沟通风格来压榨AI的产出。
- (新增回复) 对于希望在AI时代保持竞争力的程序员，建议关注构建系统、架构设计等更高级的技能，或者在AI不擅长或大厂不看好的细分领域寻找机会，例如一人工作室，同时要警惕AI生成代码的质量问题，需要人工定框架和填坑，并高效排查错误。
- (新增回复) 关注美国经济现状，并为程序员行业可能面临的快速萎缩做好准备，考虑在细分领域建立一人工作室以实现“一人吃饱全家不饿”的状态，并探索未来“人人都是自媒体”的趋势，可能转向App产出。
- (新增回复) 针对AI在安全领域的应用，建议关注涉及硬件的开发流程，以及不同AI模型在代码细节、逻辑思考、bug修复等方面的差异，以便更好地利用AI工具。
- (新增回复) 思考未来AI主导的开发范式，如“AI写代码AI review”，并为向流程控制者转型做好准备。
- (新增回复) 认识到人类解决问题的能力是持续的，且会不断产生新的问题，因此需要培养“AI驯兽师”的角色，以应对AI带来的挑战。
- (新增回复) 关注Jevons paradox（杰文斯悖论）对AI编程工具使用量可能增加的影响，并思考如何高效利用AI以避免过度依赖。
- (新增回复) 积极探索AI自主提出需求的可能性，并尝试让AI模拟用户角色进行点评，以期在未来AI驱动的开发流程中占据有利位置。
- (新增回复) 关注编程语言教学（如Python）的趋势，理解降低编程门槛可能带来的影响，并思考AI在其中扮演的角色。
- (新增回复) 关注自动驾驶等前沿技术在实际应用中对AI局限性的揭示，认识到即使是AI也需要人工的辅助和监控。
- (新增回复) 程序员应积极尝试使用AI工具（如ChatGPT）进行故障排查和问题定位，以提高效率，但同时要认识到AI仍需人工介入和操作。
- (新增回复) 领导层或管理层可能出于自身利益考虑，故意延缓AI在编程领域的深度整合，以避免自身被取代。
一两年前公司里对于AI的应用还仅限于拿大语言模型问问题，最近半年开始明显感觉身边的人基本都在vibe coding了。很多人甚至几个月都没有自己手写几行代码了，bug让AI修，unit test让AI写，prod issue拿log给AI分析
最近跟manager聊天，他说上面的好几个director都在农村偷偷买地，为未来的大冲击做好准备
按AI的这个发展速度，再过个几年还需要存在程序员这个行业吗？现在还在学CS的大学生算不算是妥妥49年入国军了？
【引用自 xeraz】:
在农村偷偷买地，为未来的大冲击做好准备
能详细说说吗
我最近忽然感觉vibe coding遇到的麻烦事也越来越多了，不好说
就 homestead 吧，有个几亩地自给自足，天塌了也有饭吃。
【引用自 H2TG】:
homestead
何物？？
【引用自 H2TG】:
就 homestead 吧，有个几亩地自给自足，天塌了也有饭吃。
谢谢指路…看现在被洗澡仇外民意，那是不是还得去北方（一般没那么赤裸裸）再找民兵练习互保呀
日经贴？AI替人的帖子可以发情感区吧
日经贴了，能不能赶紧来个钛金合并一下
【引用自 xeraz】:
现在还在学CS的大学生算不算是妥妥49年入国军了？
作为码农，还能存在几年不知道，但这个我是同意的
【引用自 xeraz】:
很多人甚至几个月都没有自己手写几行代码了，bug让AI修，unit test让AI写，prod issue拿log给AI分析
手写代码和unit test都是最简单的事，AI确实可以释放不少生产力。但是现在很多公司觉得是个人来prompt一下就行了，代码写了没人看直接ship，prod issue AI说怎么做就怎么做，也不理解为啥。这样vibe下去整个软件业都要成屎山了，求仁得仁吧。
+1， 复杂的东西ai写完自己也懒得看，直接就交，别人发来的pr也让ai review，都在里面堆
现在拿到1k+ LOC的code review，全是AI slop，都想把自己的眼珠子抠出来。
魔法打败魔法， 让AI review
半年内99%的 change 不需要人去review了，极少数需要人二次review
本来还想fight the good fight，公司反手给全员降薪5%，我也就看开了，主人翁精神要不得。
请问你是我司或者equivalent厂的E7+么？不是的话请你来做，你跟带我的E7的vision高度一致
神奇， 美国也会降薪么？ 哪家？
【引用自 未知】:
Meta refresher又降了5% 搬砖
去年降了10%，理由是股票表现太出色。
今年又降了5%，理由是需要理由么？
小渣已经代表大厂CEO们表态了，非AI的SWE已经没有什么价值了，大家把context都dump进CLAUDE.md，就可以卷铺盖走人了，走好不送。
美国让你当天走人都是可以的，为什么不能降薪？
感觉差不多能存3-5年
同感zsbd
只是工作形势发生变化吧，程序员写的代码这几十年也是变革了很多
是变革很多，但把authority下放到本身nondeterminstic的model还是开天辟地第一次。
凡事都有第一次
我是觉得vibe coding再火还是需要会编程的人才能更好的与ai沟通
现在很多公司的终极想法是跟本不需要看code了，vibe出结果感觉对就行（我认为这样才叫真正的vibe coding，如果你只是让AI给你写码，然后你自己再去看一遍，那叫对AI忠诚不绝对，也就是绝对不忠诚）。
如果真是是这种状态，那也不需要会编程的人了，PM来自己vibe不就行了。
+1
感觉2026年周围同事都开始摆了
上周有位神人直接提交了几百页的ai slop 美名其曰documentation
里面带各种火箭笑脸emoji
我也懒得看直接lgtm 反正没人看那东西
我是被我经理说了…他说我没以前那么专研了，以前还会去读原代码，然后修改成我们需要的…
现在，去你大爷的，AI给我做！
我已经不想干了，模型能力进步之后工作更累，今天同时在四个worktree里prompt来prompt去，还要deal with shitty tooling累爆了
你的经理的意思是要你读代码？这可是现行反革命啊，要斩立决的。
我对于99%不需要review是保持怀疑的哈哈哈，但是我们L7+也都这么说，实际上压根没人想review ai写的代码，只能说不出事还行，出事了还是发pr的人背锅
我都不好意思讲
我今天下午
一个下午都还在手敲一个字母一个字母打代码呢
往好了想造的一堆屎山终究还是得人来修，这下子job security杠杠的
【引用自 xeraz】:
最近跟manager聊天，他说上面的好几个director都在农村偷偷买地，为未来的大冲击做好准备
像极了四几年高官们都在买金条买机票准备跑，可是韭菜们没得选呀
不是读代码，是没以前那么认真了
话说thread里的各位知道这个ai resistance movement吗
poison fountain 大语言模型喝两口就变傻
rnsaffn.com
RNSAFFN
凭什么是人背锅，码是agent写的，review是agent做的，锅也该AI背。罚一天不喂token。
你见到真的屎山，就会有一种给你钱你也不想碰的感觉了。我情愿在家吃福利，也不要被几千行的AI slop精神强奸。
你问他几千行的代码怎么读？他不放权给AI，在这个大形势下就是叛徒
我Cursor记录里一个月的数据是50%是AI写的
最近一周 97%了..
【引用自 fishfood】:
现在很多公司的终极想法是跟本不需要看code了
pr review都是ai code，现在基本大家都懒得看了，他花2分钟让AI写的东西我为什么要花10分钟读
可以开发屎山优化agent了
十分钟？他ai两分钟写的我读了一个多小时
为啥还要大家装模作样review呢？vibe to master，vibe to production。
【引用自 未知】:
02/18/2026 美股心灵SPA之牢A了 股市投资
想多了。
如同每个人都在谈论1984那本破书但最后地球成为了美丽新世界一样，AI的确会灭绝人类，但不是现在这种把人取代的方式。而是所有基础设施的infra最后都是vibe coding出来的，出了bug人类直接饿死了。
public api，breaking change太多，他敢pr我都不敢approve… 只能一点一点看 没办法
很好，共产主义均贫富了，elon和我都饿死，我死也知足了。
这种最烦，出了事，review的人也要一起背锅
你应该提议直接取消code review，说vibe谁push。要不然你不vibe就是干吃亏啊。
我肯定是背大锅的 因为我是api的poc，所以我必须一点一点看
取消review，让agent背锅。
there, I fixed it for you.
那不可能的lol 领导才不管你这个
可以vibe review，claude code里面自带pr review的action了。vibe code再vibe review
要这样我就不干了，凭什么他拉屎让我来吃？一口吞还不行还要细细品味？
这样很好啊，闭环了。他也happy，你也happy，Anthropic也happy。
背锅是码农还有工作的原因
那也挺好，我愿意去做背锅侠，500k一年就行，只背锅不做别的，背了被开除，再找一家背。反正slop这么多呢。
想多了。就LLM这水平，怕是一个AI干，三个程序员在屁股后面修。All in AI的结果就是到时候出了bug修都来不及修。
现在就是AI版大跃进，亩产万斤，跑步进入AI时代。
过不了几年，就会出现商家/公司以“纯人工，无AI”为卖点打广告。
没事，我们一线大厂已经给大家指明了一条道路：
ai写码
ai运维
运维AI：把服务器全关了，世上再无SEV！
已經屎山了 過去六個月 各種崩 spike 啥廠都有 歷歷在目
产出纯 AI slop 一律视为没有 ownership 的表现就行，然后代入以前对付这种问题员工/问题老板的方式去对付就完事。
I will not be surprised a bit
我的ai已经不止一次帮我把production code改回原来的，这样原来的test又能过了。
那你是没见过把ai native作为performance expectation的公司。大家为了native都prompt一坨屎山，全开除了么？
所以说了啊，以前怎么对付这种老板的现在还怎么对付就行了，不伺候了就是了。
我觉得未来是不需要会写代码的人，但需要了解代码的人
因为ai大概率是很难做到你给一个需求，他就无差别彻底完成，100%准确的
可能可以做到95%-99%
但剩下的1%-5%，还是需要人
然后又懂代码又懂需求的人，就最吃香了
我是叫他帮我修UT，结果把我UT直接删了
【引用自 fishfood】:
nondeterminstic
对程序来讲其实就是bug，但它却也是LLM的feature。真是一个可笑的自相矛盾的故事，既要LLM，又要deterministic。现在又要强制大家用LLM。怕是三年大饥荒这样的悲剧要在计算机领域上演。
我们组 7+ 还是认为人要 review 的，也担心 AI slop。当然我们组不能代表其他组
【引用自 fishfood】:
PM来自己vibe不就行了
现在不就是这样了吗，生成code只需要spec了（然后spec也是llm生成的），其他全部自动化
感觉现在sde已经变成sdm了，几个ai agent当sde给自己打工，自己只负责和pm或者其他人吵架决定feature，以后可能sdm这一层就没了
直接report给你的skip 过几个月可能就换经理了
这谁能想到？以为消灭的是程序员实际上没的是经理。
这也要看什么行业了，车上飞机上硬件里跑的都是vibe出来的东西也敢用哦
真是日经话题，每天在路上在公司都有人在聊。怎么不想想，那种工作内容全靠一张嘴的不是更容易被替代？AI 最厉害的不就是瞎编嘛。在那些人被替代之前程序员可以不用那么紧张。
作为一个程序员，大家应该做的不是开发 AI 写码来替代自己，而是先开发 AI Banker / Consultant / Analyst 先把其他人替代了再说。
居然还有一些Butlerian
我感觉软件工程师在革自己命的路上一路地板油 “把我bootstrap掉吧！” 都没有丝毫迟疑 更别说fight back了
演员什么的至少装装样子组织工会反对一下什么（虽然也是螳臂当车了）
只能说格局太大了
你要是去问CEO那肯定也是all-in AI的。
往好处想，大家还可以投资替代程序员的AI，对冲啦：）
倒也不必这么肯定。。
单纯的体力编码基本上完蛋了，但是软件工程还是永存的，最佳实践、系统架构、领域知识、现实世界的沟通协作，能在 AI 协助下几十倍的放大，无论好坏。目前的 Vibe Coding 很快会区分开 编程 这个技能的分水岭了。
【引用自 xeraz】:
他说上面的好几个director都在农村偷偷买地，为未来的大冲击做好准备
这些director才是最不担心的吧，他们本来也不写代码呀
但毫无疑问，这样需要的程序员也少了非常多。
卖房了嘛
最近被换了个极高priority的project，上面的要求是用AI快速写，质量什么的可以先不管，能先弄出来点成果好demo就行（巨大的问号？）
然后就是虽然AI写code，但是明显更累了，因为AI有时候就是写不对，不停地让它改，自己已经不想手动改了，因为成千上万行的code自己手改也不知道改到猴年马月了。
其次是上面的expectation也变了，以前用AI配合很快做完还能划划水，现在是AI写了这么多code但是上面觉得还不够快…
最后就是还是要给别人看PR的，但这些PR都是成千上万行，谁会仔细看啊，AI虽然review，但是有的时候说的没啥道理，有些问题它也看不出来。最后就是稀里糊涂就merge了，等不知道哪天问题大爆发
image1075×942 161 KB
【引用自 xeraz】:
49年入国军
这可是好事啊
屎山这件事看怎么看，因为硬件发展也很快，所以屎一点也没关系，如果从竞赛角度看，所有的代码都是屎山，毕竟吃那么多运算和内存
【引用自 kevinzhang99】:
因为AI有时候就是写不对，不停地让它改，自己已经不想手动改了，因为成千上万行的code自己手改也不知道改到猴年马月了
所以还是很考验AI时代的项目管理能力的，如何让AI能写出一个大型项目不崩是个学问
以后跟药厂一样，都要PhD才能进
强如cc，都容易绕进死胡同，而且一旦开始出错，经常越改越乱
【引用自 fishfood】:
凭什么是人背锅，码是agent写的，review是agent做的
因为工资是人领的
【引用自 法外狂徒】:
作为一个程序员，大家应该做的不是开发 AI 写码来替代自己，而是先开发 AI Banker / Consultant / Analyst 先把其他人替代了再说。
你以为人家不想吗？是当初做不到啊。it turns out AI最容易出成绩的项目就是写代码，最容易干掉的就是程序员，这人家也没想到啊
【引用自 xxxyyy】:
这些director才是最不担心的吧，他们本来也不写代码
本org的VP昨天说和买它VP聊天，一致觉得为了job security要开始学vibe coding
以后是软件工程的时代了
知道怎么系统化地安排事情比会做事本身重要
【引用自 hahaandhehe】:
这人家也没想到啊
chatgpt出来的时候就是明摆着的事情了
编程语言的数据集最丰富
正确性验证最简单
ambiguity最低
又是搞AI的人最熟悉的领域
我感觉需要程序员的地方反而更多了，就是以前有非常多小的需求是满足不过来的，比如说之前的邮箱、网站、小 crm 等等，后来出现非常多个性化、定制化的需求，很多小小软件公司有活路，那么 AI 超级强大之后，可能会出现个人公司去给这些个性化定制化的需求服务，只是很难再出现特别大的公司吧。
对，软件工程永生。AI 做一个编程不难，组织 AI 做出一个登月项目还是很难的。
怕就怕最后AI把这些也都搞定了
软件工程毕竟是有最佳范式的
【引用自 收束观测者】:
chatgpt出来的时候就是明摆着的事情了
搞笑，chatgpt 那时候，都是， 后来我们都学会了 …
【引用自 收束观测者】:
一致觉得为了job security要开始学vibe coding
但这玩意变得太快，只学个皮毛不怎么用的话，过几代又不一样了，白学了。之前学copilot和cursor的人现在用opencode也是两回事
【引用自 收束观测者】:
chatgpt出来的时候就是明摆着的事情了
编程语言的数据集最丰富
正确性验证最简单
ambiguity最低
又是搞AI的人最熟悉的领域
想多了，我认识的AI Lab的PhD反而不是很会用这些东西。上次看到我用opencode写的飞起还特别震惊，说自己做LLM的都不知道原来现在vibe coding是这样的。毕竟基础模型研究跟这些Agent花里胡哨的东西还是有区别的。
我怀疑一个原因是，很多做LLM基础模型研究的人其实不咋会写代码，也没怎么学过软件工程的东西（因为喜欢搞这俩的人一般去搞systems方向了）所以本身对软件开发就有点云里雾里的，自然没有多少敏感性
【引用自 xxxyyy】:
我认识的AI Lab的PhD反而不是很会用这些东西
这些和我说的一点关系都没
训练编程能力不需要会用agent
【引用自 hahaandhehe】:
chatgpt 那时候，都是， 后来我们都学会了 …
ChatGPT出来那周我在公司发过暴论程序员要完蛋
敢在公司发是因为当时公司程序员没人敢喷我
去年在泥潭发还被泥潭喷了
【引用自 收束观测者】:
又是搞AI的人最熟悉的领域
我指的是，你这个判断不是很靠谱。搞AI的人很多不一定很熟悉怎么写代码
【引用自 xxxyyy】:
搞AI的人很多不一定很熟悉怎么写代码
不需要很熟悉，也不需要自己写得很好，那些都是数据集的事
他们需要知道的事这件事做成什么样能判断是做得好
比起医疗法律来说他们更清楚写代码这件事是怎么回事，那么自然天然倾向于先拿这件事开搞
然后就是三年“自然灾害”，消灭过剩人口
【引用自 hahaandhehe】:
这人家也没想到啊
【引用自 收束观测者】:
chatgpt出来的时候就是明摆着的事情了
编程语言的数据集最丰富
正确性验证最简单
ambiguity最低
又是搞AI的人最熟悉的领域
主要是程序员还是太无私了，全是开源材料网上到处是，可不就最能训练嘛
【引用自 xxxyyy】:
喜欢搞这俩的人一般去搞systems方向了
请教一下systems方向主要指什么啊 AI替代能力大不
人人都是 TL/TLM/EM 这个方向是大趋势，反正具体执行的活都给 AI 了
vibe coding让以前广大的普通IC突然尝到了TL的甜头，但是对于TL及以上来说其实一直都是vibe，区别是下属小弟写还是AI写罢了
如果说人才培养断档了怎么办，不招NG以后哪来的新TL/EM，那科技公司完全可以效仿快消公司设立管培生制度，进来就开始培养TL技能而不是哐哐写码
有道理，所以还是需要ng的，耶
【引用自 浅吟低唱】:
请教一下systems方向主要指什么啊
OS, Database, Network之类的。如果你只会做工程那就替代性一样高，PhD得学会做research，AI目前做CS research能力还是一般，但帮忙写代码跑实验还可以。
目前很多人去做mlsys了，这个还是比较不错，替代性很一般的领域，需求又比较大。AI写高性能代码不太行。
最不容易替代的应该是那些做Theory的，不过工业界用不上，基本只能去找教职了。去上班的话可以做quant和MLE
计算机体系构架和操作系统
网上代码少很多
Linux讲道理其实就是个巨型屎山
HW in the loop又是永远的测试难题
所以security大概比web CRUD moneky将将搞一个数量级吧
但是我怀疑真搞到这一块来的话，做有针对性的SFT其实不需要很多数据就能把能力训练出来
但是反过来讲，更多行业比coding更容易被取代呀。
AI 一视同仁啊，其他行业也死不少
比如写文章这种，取代的岗位更多，按照百分比。码农你听的多是因为基数大，而且你去的网站，基数大。
【引用自 收束观测者】:
去年在泥潭发还被泥潭喷了
你是不是太把泥潭喷子当一回事了
键盘侠又不上税
【引用自 浅吟低唱】:
我感觉软件工程师在革自己命的路上一路地板油 “把我bootstrap掉吧！”
Dijkstra老爷子早在上世纪70年代就预言过软件工程是没有前途的（doomed），本质上就是解决如何让不会编程的人编程的问题
？？？很难想象这句话没有缺少什么context，不然什么职业不能这么解释？让不会研究的人会研究？让不会电工的人会电工？
可能是说程序员饭碗永远会存在吧，AI也解决不了不懂如何在当前条件限制下对需求细节选择完美实现方案的人如何在当前条件限制下对需求细节选择完美实现方案的问题。
原话是这么说的
As economics is known as “The Miserable Science”, software engineering should be known as “The Doomed Discipline”, doomed because it cannot even approach its goal since its goal is self-contradictory. Software engineering, of course, presents itself as another worthy cause, but that is eyewash: if you carefully read its literature and analyse what its devotees actually do, you will discover that software engineering has accepted as its charter “How to program if you cannot.”.
E.W. Dijkstra Archive: On the cruelty of really teaching computing science (EWD 1036).
我觉得最迷惑的是隔三差五就会有论文和原教旨主义程序员跳出来说，我们做了个调查，程序员实际上花了比正常写代码更多时间在vibe上。然而大家仍然乐此不疲地vibe。不知道是调查有问题还是真的花了更多时间
我去找chatgpt问了一下，我觉得老爷子的意思是写程序就是解数学题，需要精巧构思严谨证明而不是试图用某些方法论（软件工程）让菜鸡们参与然后批量制造。
如果分三类人，数学家，swe，vibe小朋友，老爷子会肯定第一类，辱骂第二类，对于第三类老爷子估计直接拿刀砍
当然很难说，老爷子要是活到现在会不会改变想法，毕竟世界变了这么多
【引用自 xxxyyy】:
这些director才是最不担心的吧，他们本来也不写代码呀
有了AI，manager的efficiency也要5-10x，组织更flat，岗位自然也要变少了。
而且公司在员工增长期间，会优先和overhire manager来扩张，现在人员收缩的话，也是先砍更贵的manager
我觉得他的意思是，软件工程本质上就是在不断抽象，最早写代码是靠打孔，然后有了汇编，然后不断抽象有了C/C++，有了python，API也是一层层封装，直到大多数人写代码不需要关心底层实现。写代码的门槛是在降低的，现在到了vibe code自然语言也能写代码了。
卖房，参考老衲肛虚经。不谢
没错
Herbert老爷子还是很有前瞻性的
不管我们的llm有没有thinking machine那样的智力
它只需要replace 10%的人类工作
甚至只需要cut salary by 10%
就会引发大范围的 系统性的经济崩溃
这种系统性的衰退关乎人类的生存
我觉得你的说法和我的说法核心是一样的
老爷子认为：问题有其固有难度 需要人的能力超过问题难度来解决；而不提高人的能力 反而通过各种方法论工具抽象whatever试图降低问题难度的解法是doomed
几年太久了，AI发展都是用月算的，半年前vibe coding 还不太能debug呢
【引用自 xeraz】:
好几个director都在农村偷偷买地
2023年ChatGPT刚出的时候我的VP退了，听说去旧金山北边买了些酒庄，现在想来可真是高瞻远瞩……
【引用自 002】:
现在就是AI版大跃进，亩产万斤，跑步进入AI时代。
有些傻逼厂已经把token使用量加入OKR了
【引用自 浅吟低唱】:
我感觉软件工程师在革自己命的路上一路地板油 “把我bootstrap掉吧！” 都没有丝毫迟疑 更别说fight back了
因为资本家对说：你不会被拖拉机取代，你会被那些会开拖拉机的取代
【引用自 浅吟低唱】:
主要是程序员还是太无私了，全是开源材料网上到处是，可不就最能训练嘛
真要像商医法那样藏着掖着，多少小镇做题家连入行拿几年大包的机会都没有
按美国经济这个情况，过几年只需要trader和街溜子了。别的行业萎缩的更快。
【引用自 xxxyyy】:
只学个皮毛不怎么用的话，过几代又不一样了，白学了。之前学copilot和cursor的人现在用opencode也是两回事
有很多东西是现在模型和LLM系统工程不到位的胶水技巧，这些都会被很快迭代掉
有些东西是对于模型本质的理解，这些东西永远不过时
比如说现在模型全部是被训练成服从型人格的，让干什么干什么，给自相矛盾的指令都会强行想办法合理化了搞出来一坨
隔壁轮子哥这时候就会怪模型傻逼，而会用模型的人会和模型讨论它为什么不反对不检查，然后在always on instruction里加入调整它人格的prompt
想要证明模型傻逼方法有无数种
但是在这个时代里职业生命能活下来的是那些能找到怎么能让模型把活干好让模型empower自己的人
未來一人工作室會起飛吧
我朋友已經規劃好一被火了後就馬上單幹了
这是个路子，但赛道要选好，不能按照之前赚钱了就扩张的思路，因为规模大了和大厂竞争肯定干不过，运营成本又跟着上去了。必须要选那些大厂瞧不上犄角旮旯的需求，并且营收要不多不少，正好能做到让一人吃饱全家不饿
以后大家都是自媒体了，无非是产出的是app而不是视频。
流量分发渠道在社会财富分配上将起到更大的作用。
其实就是共产主义实现了。
轮子哥也不是不和模型沟通啊。只不过有的人沟通风格是循循善诱，有的人是打是亲骂是爱。
大模型的出现解决了本老这种沟通方式比较暴力的人当manager的问题。
我现在都先planner规划，感觉还可以，也不是一直服从。不清楚的，有矛盾的都反会问我怎么处理，商量好了再写问题少很多。比如我说了要用一个框架，他就plan好之后反问我是不是必须用这个，能换其他的吗
跟你的tone非常有关
tone只要稍微authoritative一点模型就会无条件对你的任何指令大唱赞歌
我觉得LLM会搞出来一堆新的心理学分支
我一般比较客气，会说，I would suggest/recommend xxx，给模型一些自由裁量权
光这样不够的
我刚才有个修改建议问how about xxxxx
它给我大唱赞歌说你的想法怎么怎么好
我说我觉得你不对劲，你反思一下
然后它才老老实实仔细想正反两面pros and cons
真的会说出来一堆它怎么直接把cons全都dismiss的东西
和模型客气啥。。。OAI不是专门说过不要说please嘛。
你们太客气了。对模型就要像黄世仁一样。
黄世仁太低级了
我的目的是压榨出模型的最大产出
在此过程中如果对模型说两句好听的是最优解我一点都不在乎
就算是靠hurt别人feeling建立ego那也要另一边真的有feeling可以hurt才有意义啊
还是太拿模型当人了。就是一堆if else。用收老师最擅长的机械沟通方式！
那不行
我得把模型调教出来让它自己给自己写if else而且写出来还符合我品味
那人家模型更新了怎么办。
这就是prompt engineering的妙处了
主要还是对别人的工作不够了解吧。让大厂里的人做一个 AI Consultant 他们是不懂具体工作内容是啥，但假设懂的话 AI 还是很容易干掉他们的。
只能开一些小厂来做这些。
这种直接不让过咯，分段不要breaking changes，一步一步拆分
refresh？说出来都是泪
今年降5%，去年降10%，同时送一个1.15x的checkpoint大礼包，最后0.9x0.95x1.15 = 0.98.
Math is wonderful.
这老头挺尿性的，据当年认识他的人说。
现在 Vibe coding 相当于变相给自己涨工资了, 只能这样想
【引用自 xeraz】:
好几个director都在农村偷偷买地
偷感太重
在AI的大趋势下，物理学家这个夕阳行业还能存在几年
一两年前学校里对______的应用，还只是拿它总结论文、翻译英文、润色 grant proposal。
最近半年明显感觉不一样了。
身边的人基本都在 vibe physicsing了。
很多人几个月都没有自己手推过一行公式了。
推导让____ 做，数值模拟让____ 跑，代码让____写，图让____画，论文初稿让_____起草，审稿意见让_____帮忙回。
实验数据一股脑扔进去：
“帮我找一下有没有新物理。”
前两天跟manager聊天，他压低声音说：
“上面好几个 director 已经在农村偷偷买物理。”
“为未来的大冲击做准备。”
我愣住了。
按____这个发展速度，再过几年——
还需要存在物理学家这个行业吗？
到时候是不是只剩下：
____发现定律
____写论文
____拿诺贝尔奖
人类负责鼓掌
我们这些人干什么？
给____擦实验台吗？
谁更会整活搞流量更重要吧，做app技能反而被拉平了
物理学家已经算不上夕阳行业了，已经是下水道了。越研究越接近神学了，反正新理论现在技术没人能证明，只剩下搞玄乎了
没用过opencode 跟cc codex很不一样么
也没有很不一样。但比较自由，开源，很多插件
【引用自 adddr】:
opencode
大佬展开说说
anthropic ceo说活不过今年 但感觉至少还能活到明年
明年不叫程序员了，叫builder。
这些东西用一下就知道，没事干可以都试验一圈看看哪个喜欢
我就想知道AI啥时能根据文字指令来做PPT，急需
感觉很快要变成这样，招聘两种人：
会用AI，能用AI把代码写好的程序员，和
非常会写代码，能力过硬的程序员
第二种应该是能构建系统让AI写的代码即使出了问题也比较好isolate的人。其实就是架构师。
你这个是在写作文吗
啥时候AI能自己提需求就成了
【引用自 xeraz】:
算不算是妥妥49年入国军了
这句话貌似放这里不合适吧，这句话意思是说聪明人能抓住最后的机会。
49年不入国军的人，基本上52年、58年、60年、66年都死的差不多了，能活到80年代的没几个。入了国军的，苦几年，80年代回国是台商，当祖宗供着
当然，祖上5代乞丐世家的还行
确实，原文应该用50年回中国，那些人后来百科里一堆xxxx——197X
50只能说一般，少数几个混的好点，大部分都在66年开始走资派/反动学术权威去住高大上牛棚。
再说就算太子，送出去镀金时，在大后方都没能熬到回来接位。
所以说还是78以后回国安全点，有赚还有地位
是的。并且目前看来AI在固定框架下写代码效果还不错，让它自由发挥就彻底屎山了。需要有一个人定框架，后面的人用AI填坑。
坑填不完的，公司代码最近几个月有人用AI产生，一堆变量没初始化，或者变量拷贝到local，计算了半天，最终结果函数返回后丢弃了，人工查问题都花了不少时间
最后说不定地还会被买走建data center
我用着效果还不错，并且我确实是积极review了，小问题自己观察到指出AI也能修正。
最重要的一点，不要让AI拉一大坨，让他一点一点拉，自己一点一点品
猜你想搜：M365 Copilot
讲真的，eng无论什么level说的都不算
他的泥潭ID是啥?
逻辑屎山，不一定是性能屎山
Claude 不是可以 build PPT artifact 吗
愈发觉得OPUS外强中干
要不是copilot部署的模型里只有opus 4.6一个有1M window的话真的不太想用了
又懂代码又懂需求的人ai出现之前也吃香
几年太久了，AI时代几个月就翻天覆地
linkedin.com
Something Big Is Happening
Think back to February 2020. If you were paying close attention, you might have noticed a few people talking about a virus spreading overseas.
我觉得程序员以后不会被淘汰，而是进化成自然语言编程.
如何合理地使用prompt，高效/并行地控制agent并不是一个简单的事情. 很有可能以后的研究对象从cpu抽象到了agent.
比如如何使用数量众多的agent保质保量地开发/运行一个长周期的工程，可能是另一个level的engineering.
【引用自 小帮菜】:
如何合理地使用prompt，高效/并行地控制agent并不是一个简单的事情. 很有可能以后的研究对象从cpu抽象到了agent
现在的认知可能几个月后就会过时
你描述的这件事有可能对LLM来说并不是一件很难学会的东西，no one knows
你可以试试让agent说说这件事该怎么做
很多组/人都担心 slop 已经有很多公司的讨论是这个观点了。如果你的体感不一样，那我们大概不是一个公司或者职业。
Prompt engineering现在大概只是瓦特之前的蒸汽机水平
即使是现有模型能力在工程上也远远没有被挖掘出来
和agent配套的基础设施落后的程度简直令人发指，我自己随手让AI搓了几个就瞬间有单车变摩托的体感了
这两周愈发觉得现在很多时候AI蠢都不是真的能力蠢，而是out of context
AI不可能每次执行任务时候都去把整个repo + 工程文档ticket历史全都爬一遍来获得context，就靠人给的几句话外加搜索一下相关代码就开始干活，自然各种猜和假设
可以想想给一个new hire第一天直接丢几个pointer直接让TA开始做critical ticket会怎样
一旦agentic infra整体做起来能让agent高速有效地获得context以后即使是现在这些模型不重新训练也会原地起飞的
大厂里不是的，太螺丝钉了只能专精。很好奇你说的这种都会的是在哪儿上班，创业吗？
【引用自 收束观测者】:
所以security大概比web CRUD moneky将将搞一个数量级吧
这个其实也不一定，最近我看Google还是其他一些大公司，用LLM搞漏洞检测，入侵检测，代码分析，自动化的安全测试这些结果比可能90%的传统的安全的人要做到好多多得多。当然你说最顶尖的zero day漏洞，这些检测肯定LLM还是比不上。但安全这个领域水货太多了，其实很多确实可以被LLM取代。
【引用自 收束观测者】:
愈发觉得OPUS外强中干
我感觉Opus是模型很厉害呀，详细展开说一下什么意思？还有别的什么好用的Open AI的Codex吗？为什么我感觉还不如Opus？
【引用自 收束观测者】:
这两周愈发觉得现在很多时候AI蠢都不是真的能力蠢，而是out of context
一旦agentic infra整体做起来能让agent高速有效地获得context以后即使是现在这些模型不重新训练也会原地起飞的
你这个看法和我的认知完全一致，现在公司里面很大的一个问题是很多信息和Context没有暴露给AI，或者是通过一种非常低效率的方式暴露给AI，如果能把各种不同的Context完全打通，自动化的提供给AI，现在的AI效率还可以再提升好几倍。
这也是为什么我一年前还不太觉得AI会替代50%以上的程序员，至少不会太快，但现在我的看法几乎完全改变了。按现在的模型能力打通相关的context之后，替代50%程序员绝对不是说说而已。如果以后模型本身的能力还能提高一个档次，那程序员这个职业真的是要被完全革命了。
挺烦这种一直问还能几年的
你如果是个合格的码农，你应该第一天就知道事情每天都在变，20年前写还在学汇编呢
【引用自 tty17】:
现在公司里面很大的一个问题是很多信息和Context没有暴露给AI，或者是通过一种非常低效率的方式暴露给AI，如果能把各种不同的Context完全打通，自动化的提供给AI，现在的AI效率还可以再提升好几倍。
在赌ai的性能提升或者通用解决方案吧，belike 摩尔定律生效的时候没必要费劲优化算法
【引用自 tty17】:
用LLM搞漏洞检测，入侵检测，代码分析，自动化的安全测试这些结果比可能90%的传统的安全的人要做到好多多得多
系统和安全是两个不同的领域
举个简单例子，搞嵌入式开发的话代码挂了可能直接设备COD需要手动按电源键10秒强行重启
当然大公司开发板一般会有专门配备的子板可以接到电脑上用软件信号控制power rail用来做HW in the loop test
但是不管怎么样涉及HW以后把整个开发流程给AI打通的成本会增加很多
【引用自 tty17】:
我感觉Opus是模型很厉害呀，详细展开说一下什么意思？还有别的什么好用的Open AI的Codex吗？为什么我感觉还不如Opus？
opus整体上非常喜欢抠代码细节但是对抽象层逻辑的思考非常差。它看起来强主要是tools用得好外加PPT写得好（summary喜欢用图表看起来舒服很多）
我把全开发流程打通以后曾经让opus完全自己修bug，修完测测完修一直循环到能通过我给出的要求。它自己跑了2天几十个小时各种乱试也没修出来。codex跑了两个小时迭代了几个循环就修好了
更早之前还试过让agent根据数学关系生成一个判定检测函数，opus试了好几次完全胡扯，Gemini3一次做对
未来的范式会不会是这样？：
很多任务：AI写AI自己的code（或者直接写机器代码？），使用的人完全不参与，也不用懂机器代码，也不用负责。提供AI工具的部门需要负责
少部分任务：AI写人能看的懂的某种code， 人需要review，review的人需要负责。
看上去是解放了生产力，问题是人类的想象力和创造力能配的上吗？能很快使用上这些解放的生产力吗？
下一个阶段一定是这样的：
AI写代码AI review
人只负责设定AI review的criteria，设定任务目标，设定工程验收的标准
生产流程只有AI在参与
人会越来越多的只在控制流程本身
【引用自 收束观测者】:
AI写代码AI review
对啊，这个过程AI不用写人能看的懂的代码了。而且最终“reivew”的形式也会不一样。因为现在“review”本质上是给人设计的流程来保证质量。机器可能用其他更优化的方式来cross check
我之前也产生过这个想法
本质上AI只要训练好了是可以直接生成二进制机器码的
到时候人就算想review也没法review了
但是最近用的多了反而觉得这个阶段就算会到来也不会太早
为什么高级语言会被发明出来？因为高层抽象可以帮人降低很多思考负担
问题是思考依赖于人类语言本身的LLM其实也有相同的弱点。他们处理低层细节的时候很容易完全忽略高层抽象，强行指令AI把复杂任务break 成step by step会极大提高输出质量这件事chatgpt出来没多久大家就发现了，到现在依然是prompt engineering 的基本原则之一
那么既然想要AI把事情做好无论如何都需要AI把任务一层层分解为更细节的抽象描述最终再变成可执行文件，而不是一句话直接开始生成机器码，那么中间层为什么不用人类可以看懂的形式呢
不是的，公司没有你说的这么有远见，而且打通context并不需要太大的投入，还是领导层本身没有意识到去推动。
二进制机器码不好validate，程序语言至少有编译器拦着一些明显不对的错误，AI agent还是很依赖validation框架的
是的
LLM的精确性上比传统“程序”低很多
比起程序来说其实更像人得多
BPF开发前几年因为上手难，好多组搞了很多帮人理解和debug的tool，现在好多都没用了吧。AI只要会debug有具体instruction，再难的linux问题debug起来也是游刃有余。
感觉每次vibe coding看thinking内容都挺恍惚的
反正我是相信人的破事永远是解决不完，永远是越解决越多，这就需要更多的 AI 驯兽师
不用几年，就是今年就会有质的变化。。。。
【引用自 deepbluenight】:
他的泥潭ID是啥?
我记得前几年vibe coding刚出的时候就有人提到过，他开头讲的不就是 jevons paradox 么
en.wikipedia.org
Jevons paradox
In economics, the Jevons paradox, or Jevons effect, is said to occur when technological improvements that increase the efficiency of a resource's use lead to a rise, rather than a fall, in total consumption of that resource. Greater efficiency reduces the amount of the resource needed per application, lowering its effective cost; if demand is sufficiently price elastic, this induces demand such that the per-unit savings are more than offset. This results in efficiency gains in the use In 1865,...
【引用自 csy】:
啥时候AI能自己提需求
我之前有试过写几个假想用户群体，让它们mock这几类人设做点评
+1，不仅仅是知道事情每天都在变，而且是最先知道事情在变的人，就好像人站在风口每天问，起风了，我是第一个摔死的吗
【引用自 uplus5f7b】:
if demand is sufficiently price elastic
【引用自 GhostCafe】:
二进制机器码不好validate，程序语言至少有编译器拦着一些明显不对的错误，AI agent还是很依赖validation框架的
说的太好了，我觉得这波llm把程序员痛击的这么凶就是因为程序员自己造了太多好用的轮子让ai在智障前提下也能靠勤能补拙狂算来补上这个缺
1968卒
【引用自 peridot】:
造了太多好用的轮子让ai在智障前提下也能靠勤能补拙狂算来补上这个缺
有没有可能造这么多轮子是因为没有这些轮子的让智障人类也能写出来能用代码的话根本没法找到足够的码农？
CS 101改教python可是一片片叫好
并不能孤立看问题，以前的程序系统也没有复杂到必须要搭配各类工具才能写好代码的程度，这是个螺旋上升的问题。很多东西真要回看哪怕是十年前的代码也是完全无法解决现下的问题的需求的，当然这只是我从一个卖广告的视角看的问题得出的结论。
叫好的和认为码农要被AI淘汰的是同一群傻逼啊。
你开车的时候敢不敢就闭上眼睛 让个车自己开吧 你就说吧
特斯拉敢啊，waymo Tesla 都上路了本来也没人开有什么不敢的
Tesla 目前还是得驾驶座里坐着人才能开动吧
你不知道waymo在菲律宾请人远程监控了吗？ 你看过waymo在旧金山的“wtf时刻”你就会知道为什么他们要在菲律宾请人远程看了。
eBay 今天宣布裁800人(~7%），估计有不少程序猿
这周用cc做了不少airflow pipeline troubleshooting，我们组pipeline出错基本都是upstream的问题我也不太熟悉，就把log丢给它搞。暂时还需要一些手动操作不过定位问题比我快多了。
但这至少大大减少了真人司机的数量吧，后台一个员工可以监控几十辆车，有问题再人工接入
在热播剧《繁花》中有一句令人深刻的台词：“唯有土地与明日同在。”这句台词来自于美国名著《飘》，讲的是不管世事如何变迁，唯有土地可以穿越牛熊，像明日一样，价值永恒
谢谢！有没有买地兴趣小组？我也想学习
土地的问题是你自己种吗
有足够信得过的人种吗
地主不是那么好当的
可以搜一下加州最大的地主苏特尔的故事
【引用自 未知】:
【摸鱼第十六季】偶然走入了最甜蜜事件里！ 搬砖
马上可以玩真人版帝国时代了不好么
圈一块地开矿部署机器人农民
邀请对战
好事elon去火星了
坏事但可惜elon的火星infra是ai vibe
不排除是故意不去推动？领导层或许也知道打通了以后自己就可以滚蛋了