AI正在移除软件工程的中产阶级

# AI 正在消灭软件工程的中产阶级 来源：https://blog.florianherrengt.com/ai-removing-middle-class-software-engineering.html 现在是2020年。你是团队里最资深的人，负责代码质量和架构。你建立了良好的工程实践，仔细审查那些经验不如你的人提交的PR，并努力维护一个健康的代码库。 然后某个时候，你去度假了。等你回来的时候，代码库已经一团糟。大家没怎么认真看就互相合并了彼此的PR，有人往数据库里加了一堆新表来做反规范化，因为这样更省事，还有人往技术栈里加了serverless或Kafka，却没有任何确凿的证据表明他们需要这些。 没关系。你能修好。 快进到2026年。你并没有在度假。这只是普通的一个周一早晨。你给自己冲了一杯好咖啡，打开电脑，发现手头有7个PR要审。你打开第一个：`+24506 -3938`行代码，附带着一段AI生成的描述，说明这些代码应该是干什么的。不知怎的，你的团队从周五到现在做的改动，比你以前离开几周时做的还多。 ## AI 拆掉了限速器 AI 让工程文化薄弱的项目失败得更快。 曾经有一段时间，人们会坐下来讨论他们要怎么做某件事。现在他们只需要让一个 agent 跑上几个小时，然后直接开一个PR。 这种工作方式最可悲的地方在于，在外行人眼里，它是有效的。 如果你拉下分支测一下，你大概会得到某种勉强能用的东西。所以他们怎么做？他们继续往下干。一次又一次。直到项目达到一个没有人知道任何东西是怎么运作的状态。 就像有人用信用卡买了一辆新的豪华车。你看不到债务。你只看到一辆看起来很漂亮的车。 但后来用户开始报告一个奇怪的bug。这已经是你们团队第四次试图修复它了。我的意思是……让AI来修复它。不幸的是，似乎连 Fable 也搞不定。 你去找写这个功能的人聊。 - "那这个数据是从哪来的？" - "嗯……其实我也不知道。让我问问 Claude。" 你们并排坐着，看着屏幕上无尽翻滚的文字墙。你们俩都不知道其中有没有任何一句是真的，但 Claude 看起来非常自信。 "要不我们打开 ultracode，让它再仔细检查一遍？" 这个要花一阵子。你们开始聊起 X 上最新的八卦。 你终于得到了回复。 - "你觉得这说得通吗？" - "我不确定。" - "这不是你……上周刚做的吗？" 沉默。 这个项目已经变得如此错综复杂，有这么多层次和服务，你们团队里没有任何人可能开始理解到底发生了什么。 那么，你怎么办？ 修复它需要的工作量如此巨大，以至于你根本不可能向管理层任何人开口证明这件事值得做。 而且你到底在想什么？反正几个月后它又会变成同样的状态。 - "我们让 Claude 来修吧。" - "行。我会建一个循环和目标，让它不检查完所有东西都正常就不会停下来。" - "听起来可以。" - "其实，我今天 Fable 的用量已经用完了，所以我明天跑。" 你又去倒了杯咖啡，走回电脑前。你现在还有13个PR要审。你看到一些不太理解的东西，于是给写这段代码的人发消息。 - "我们为什么在这里做这个？" 他们给你发了一个链接。是一个 Claude 的对话记录。 在那段对话的某个地方，埋在 Claude 自信地推荐一种架构、道歉、改变主意、你的同事让它再重新考虑一下，然后又来回改了15轮之间，显然就是这个代码背后的设计决策。 - "我应该读哪部分？" - "大概全部吧。" 听起来熟悉吗？ 每当我聊到这个话题，总会有人最终告诉我，反正从来没有人完全理解过大型系统。这是事实。 从来没有人期望你理解每一个服务和每一个数据库。但至少有人理解，并且会解释给你听。 现在他们去问LLM，因为他们自己其实也不知道。 ## 你再也雇不起烂工程师了 在每个团队里，都有一些有能力的人让项目成为可能。也有一些人在本质上让其他所有人的工作变得更难。而现在，任何人在一天之内产出的代码量，比他们过去一年产出的还多。 在上面的故事里，每个人都在失败： - 开出2.5万行PR的工程师，应该早在agent搞到那个规模之前就拦住它。他们应该理解它在做什么，把工作拆成更小的部分，并质疑它引入的每一个新抽象。 - 审查那个PR的人，应该拒绝审查那么大的东西，而不是屈服。 - 加Kafka的人，应该能够准确解释为什么需要它。 - 做了那个功能的人，应该能够在解释数据从哪来的时候，而不是甩一个 Claude 对话记录的链接。 但问题出在哪呢？直接用AI修不就行了。嗯，没那么简单…… 在有人跳出来之前先说明，这一切都不意味着技术债总是坏的。重要的是你知道那是一条捷径。 总之，回退一个糟糕的决定很难。非常难。 比如说，让一个LLM往数据库里加一堆表和列要花多长时间？10分钟？ 但一旦你开始往那里存数据，你就不能直接把那些表删掉。你得想出一个迁移方案，确保不会中断系统，因为人们每天都在付费使用它。你得考虑迁移失败时该怎么办。确保最终不会留下孤儿外键。修复起来就是难太多了。即使你用的是能拿到的最好的模型。 而你在修复的时候，更多PR还在不断进来。更多代码，更多抽象，更多决策。一个人可以在一个下午生成2万行代码，但你仍然得坐在那里，搞清楚那些代码到底在干什么。 等你理清一个糟糕的决策，又有五个已经合并进去了。 ## 新的AI经济 当然，烂工程师从来都是负担。 几十年来一直如此，早在 OpenAI 或 Anthropic 存在之前就是。糟糕的决策不断叠加，不必要的复杂性不断累积，最终团队只能维护着没有人真正理解的系统。 区别在于，过去你的速度是有上限的。 今天，实现很便宜。你拿着薪水是因为你能做出好的决策。是在管理复杂性的同时构建能够扩展的软件。 先问问自己，为什么公司要花六位数的薪水在伦敦或旧金山雇工程师？ 如果他们需要的只是能把规格说明变成可用代码的人，那既然别处已经可以便宜地搞定这件事，他们为什么要付那么多钱？ 那些声称"软件已经解决了"的科技公司，为什么还在付顶级薪水去吸引他们能找到的最优秀的人？ 我的赌注是，AI会让薪资差距进一步拉大。要获得就业资格，有一道你必须跨过的门槛，而那道门槛就是当下最好的模型能做什么。 优秀的工程师变得更值钱了，因为AI让他们推进得比以前快得多。他们不再需要身边围着那么多人来做实现工作。 与此同时，糟糕的工程师变得昂贵得多——贵到雇不起。 我以前写过这个，当时我说过 vibe coder 的职业道路是死路一条（https://blog.florianherrengt.com/vibe-coder-career-path.html）。 你需要贡献出超越每个人都能通过给agent一个提示就得到的东西。 如果你缺乏评估LLM建议所需的判断力，那么要求更多的判断力并不能解决问题。 在某个节点，还是得有人知道正在发生什么。而那个人就是团队里最有价值的人。 那些不具备这种能力的人，会变得便宜得多才能雇到，或者直接被替换掉，而钱会流向越来越少数真正值得信任的人。 我不认为这会局限于软件工程。我相信同样的事情会在大多数知识工作中发生。AI会让最优秀的人生产力大幅提升，而让糟糕的人几乎不可能被雇佣。以前，在他们走得太远之前，还有相当大的机会有人会拦住他们的糟糕决策。现在，他们做出改变的速度，快到了周围任何人都无法实际跟进审查或理解的程度。