搞了这么多年技术这两年我是真真切切体会到“风向变化”这四个字的分量。前几年聚会上提到程序员大家眼里还是“高薪”“大厂”“期权”这几个标签顺带着一句“头发少但钱包鼓”的调侃。最近再看话题已经变成“35岁被优化”“AI替代写代码”“投简历已读不回”。一夜之间这个职业好像从香馍馍变成了烫手山芋焦虑和恐慌在圈子里面到处蔓延。我身边干了五六年的朋友也开始反复问同一个问题AI时代程序员到底还有没有活路坦白讲这个问题没有标准答案但我可以负责任地告诉你能回答这个问题的人一定不是天天刷热搜、到处喊“完蛋了”的人而是那些已经把自救动作落实到日常的人。这篇文章我会把这些年的观察做个尽量冷静的拆解——行情为什么突然变脸、AI究竟先替代哪些人、那些没有被淘汰的人到底做对了什么以及从今天开始就能动手的自救路线。内容会比较长建议你先收藏等有空的时候逐条对照。1. 行情突然变脸不是AI一己之力三层推力叠加的结果很多人把程序员求职难的锅全都甩给AI这个判断太省事了。AI确实在改变行业但它更像是压死骆驼的最后一根稻草真正让行情下坠的是下面三层推力同时作用。第一层行业从跑马圈地切换到了精耕细作。过去十年移动互联网高速扩张大多数公司的逻辑是“先占赛道、先做产品、先抢用户”那个阶段人人都缺研发你只要能把功能写出来就有大把的机会等着你。但现在绝大多数行业已经进入存量博弈公司从“抢增长”变为“抠成本”研发作为最大的成本项之一自然会被反复核算。不是老板变坏了是规则变了。第二层人才供给的水位一直在抬升。“学编程、进大厂、拿高薪”这个叙事吸引了一波又一波人入场再加上计算机相关专业的持续扩招以及各种短期培训班的产出初级开发者的供应量早就远远超过了市场能消化的量。以前是“企业到处求人干活”现在是“一个人岗位几十个人投”供需逆转之后可替代性就完全暴露出来了。第三层AI把“几个人才能完成的工作”压缩到了“更少的人加一台机器”。这是一个全行业的效率演进不是某家公司的个别选择。原来的常见配置是三四个初级开发者加一个中级开发者协作完成一个业务模块现在一个中级开发者带着AI辅助工具大概率能完成同样的工作量。剩余的产能自然就成了“优化”的对象。这三层合力带来一个很残酷的结果行业对程序员的“最低能效线”被大幅拉高了。过去你只要“能写出代码”就有饭吃以后这是基础条件不是核心竞争力。这句话会贯穿我后面所有的分析。注意这里说的“被优化”不是针对某个人的能力否定更不是所谓的“年龄歧视”。它更像是一轮职业生态的自动筛选筛掉的是处于“低能效”状态的环节。理解这一点心态上就不会陷入怨天尤人而是能更理性地去看自己距离行业新标准还差多少。明白了行情变脸的根本原因下一步我们得弄清楚一件事AI到底先替代什么又暂时替代不了什么这决定了我们应该往哪个方向使劲。2. AI冲击波的真实轮廓先替代的是“确定性的编码动作”而不是“负责的决策”市面上关于“AI会取代程序员吗”的讨论要么过于恐慌要么过于乐观。我的判断是AI替代的不是“程序员”这个职业而是程序员日常工作中某一类高度确定性的动作。2.1 第一批被AI吃掉的模板化、模式化、低复杂度编码什么是高度确定性的动作最典型的就是增删改查类接口开发、常规的页面搭建、常见框架的起手代码、重复性的模块封装、固定格式的单元测试。这类任务有一个共同特征输入输出清晰、逻辑模式固定、错误成本可控。你给AI描述清楚需求它生成的代码大概率是可用的人工只需要做微调和审查。很多人没意识到的是初级开发者的前两三年主要工作恰恰就是这些。过去企业为什么大量招初级开发者不是因为初级开发者能创造多大价值而是因为整个系统需要大量“码砖头”的环节必须有人去填。现在AI把填坑效率拉高了十倍这个岗位需求自然就断崖式下降。2.2 目前还替代不了的面对模糊问题做判断那AI的边界在哪里我这两年实践下来的体会是它能处理“描述清楚的问题”但很难独立处理“没被描述清楚的问题”。举个很实际的例子业务方过来说“老王帮我做个数据看板我要看用户增长情况”这个需求看起来很简单但真正动手前你得追问用户增长是看新增还是看活跃时间粒度要天还是周要不要分渠道权限怎么控制实时性要求多高这些问题不确认清楚直接丢给AI生成它只会给你一个看似完整但方向可能完全错误的页面。AI能帮你把代码写得飞快但你让它对需求的“正确性”负责它负不起。同理架构选型时的权衡、玩法设计和系统的演进路线、线上故障时“快速定位根因”的排查能力、跨团队协作时的沟通推进这些面对模糊信息做决策、并最终对结果负责的动作目前还牢牢掌握在人手里。2.3 代码的价值正在从“写出来”转向“审出来”过去程序员的交付物是代码价值主体是“我写了多少行”。AI时代这个度量标准正在崩塌——价值主体变成了“我审查了多少行、我做出了什么判断、我规避了什么风险”。你可以这样理解以前程序员是“搬砖工”凭体力干活搬得越多拿得越多现在AI成了搬砖机器我们被迫转型为“监工图纸设计师”。监工需要判断砖摆放得对不对设计师需要规划整面墙怎么砌。这不是活没了是活走向更高层级了。这也就自然引出下一个问题同样面对这个拐点为什么有的人被优化了有的人反而拿到了更好的机会下一节我想聊聊我在工作中观察到的两类开发者的分水岭。3. 留在牌桌上的人与被淘汰边缘的人差在哪里这两年我接触过一个典型现象同样是从“只会写代码”起步的两个人三五年之后一个成了团队里离不开的人另一个变成简历投不出去的人。技术能力相近背景相似差别到底是怎么拉开的3.1 接到需求之后下意识动作完全不同某开发者A接到需求的第一反应是“怎么实现”打开IDE就开写遇到不会的技术点就搜索或者让AI生成写完了测试通过就觉得万事大吉。看起来效率很高实际上他只完成了一个“翻译”动作把业务需求翻译成代码。某开发者B不一样他接到需求之后会先问一串问题为什么做这个功能这个功能给谁用衡量成功的指标是什么现有的系统哪里能复用哪里应该重构上线后有没有风险他会把大概80%的时间花在产出代码之前的思考上真正写代码反而很快。当AI普及之后这个差别被急剧放大。A开发者的“翻译”价值被AI迅速稀释而B开发者前期那些思考动作恰恰是AI还无法包揽的部分。所以不是AI淘汰了A是A在AI到来之前就已经把自己变成了“低摩擦替代品”。2.2 面对AI工具是“对抗心态”还是“杠杆心态”另一种很普遍的现象是一部分开发者对AI工具的态度是抵触和不屑。“它生成的代码能看吗”“我就喜欢自己一行行写这样才扎实。”这种心态在AI到来初期可以理解但它会让你在效率上迅速掉队。反过来吃到红利的那批人用的是“杠杆思维”AI能做的全丢给它做省下来的时间和脑力去研究更深层的东西——数据模型怎么设计查询怎么优化系统瓶颈在哪里业务未来会怎么变。同样一个项目A开发者下班准时走B开发者利用AI多完成了两倍的探索三周后两人的成长速度就明显拉开。3.3 自查清单看看自己在哪个阶段这里我整理了一份信号清单你可以对照自查中三条以上就要警惕了接到需求后习惯性直接动手写代码几乎不问“为什么”简历上的技能列表清一色是框架名、工具名没有业务结果和量化产出很少阅读既有代码对超出自己负责范围的模块一无所知遇到问题喜欢单打独斗不太会跨团队沟通协作对AI工具持观望或抵触态度至今还没有在工作流程中直接使用做了好几年开发却说不清自己为哪个业务指标做出过贡献。信号本身不是判死刑它是提醒。知道问题在哪才能谈改变。接下来这部分我把自救路线拆解成五个相对具体的动作你可以根据自己目前的位置选择主攻方向。4. 自救路线图从今天开始就能落地执行的五个动作4.1 第一步给自己做一次“技术体检”而不是继续报班堆技术很多人自救的第一步是“赶紧去学一个热门新框架”这个方向大概率是错的。新技术层出不穷学完一个又来一个永远在追永远追不上。正确做法是停下脚步像体检一样盘点你自己把最近半年做过的项目列出来逐项标注我在里面做的是核心逻辑还是边缘配置我的产出对业务结果是否有直接可见的影响把你日常工作时间做个统计花在写重复代码、调样式、处理低级运维事务上的时间占比是多少如果超过一半说明你的工作正在被“低价值环节”占据AI随时可能切入。认真梳理一遍你的技术栈什么类型的系统是你闭着眼都能搭建的什么类型是你一窍不通的你的稀缺性边界在哪里目标是找到自己的定位你可能不是架构天才但你在支付领域有五年经验懂对账逻辑知道什么叫长款短款——这种“行业Know-How”比单纯会写代码值钱得多。4.2 第二步光明正大地把AI变成你的外挂不要再用“辅助工具”的心态看待AI了把它当成你的标准作业工具。怎么入手从你每天最高频的工作开始狠劲地用写业务代码时不再自己从头敲CRUD而是让AI先生成骨架你负责审查、改造和不一致处理。这个过程很重要你的判断力会随着对AI错误模式的熟悉而提升。阅读陌生模块时把整段代码丢给AI做“逐行解释”它能用几分钟帮你建立陌生代码库的全貌认知以前这活至少刷一整天。写技术方案文档时让AI生成初稿你来修改和补全重点是把你的思考灌注进去而不是让它替你做决定。处理线上问题时把日志和报错信息丢给AI做初步排查方向建议然后你根据经验判断它说的哪些靠谱、哪些不靠谱。别担心依赖AI会让技术能力退化。检验标准很简单AI给你一个方案你能不能立刻判断它对不对、为什么对、边界在哪。凡是能判断的说明AI只是你的工具凡是全盘照抄的说明你已经把判断权交出去了。4.3 第三步把“算力”换成“判断力”主动补短板AI把执行难度降低了于是竞争重心上移到判断力。判断力的培养没有捷径只能刻意练习每天抽半小时读一个你不熟悉的系统设计文档逼自己画出来再让AI或者同事对标检查哪里设计得保守、哪里冒进、哪里没有考虑失败场景。参与方案讨论时先逼自己给出观点再听别人的结论而不是永远做“谁说得对就听谁的”的附和者。遇到线上故障多问几个“为什么”为什么监控没有提前报警为什么预案没有启动为什么有时效性问题一次故障复盘能学到的东西比三个月的码代码还多。4.4 第四步从一个“写代码的人”转型成为一个“解决问题的人”这句话听起来很虚实操其实很落地。下次拿到需求尝试不急着写代码先花一小时画出业务流程找出流程中的断点、冗余点和风险点然后带着“优化建议”去和业务方讨论。你会发现谈话的层次立刻不一样了。以前你是“你们提需求我们实现”的乙方转型后你是“我们一起设计解决方案”的搭档。这个身份转变一旦完成你的可替代性会大幅降低。业务方不会轻易放弃一个能帮他一起把业务想得更好的人。4.5 第五步打造个人知识资产的复利我很庆幸自己在工作的前几年就开始做技术笔记虽然一开始没什么人看但坚持下来收益非常大。具体做什么两类资产值得投入一是写作。把你解决过的疑难杂症、做过的技术选型反思、踩过的坑整理成文章发到社区这既是沉淀也是曝光。你不知道哪篇文章会带来一个机会但持续做下去它会慢慢变成你的个人名片。二是开源或内部工具沉淀。哪怕是一个小的命令行工具、一个团队的效率脚本只要它是你的想法和输出就是你的知识资产。不要小看这种“细微影响力”在AI时代“能被雇主看到”和“能证明自己”本身就是一项稀缺能力。5. 寒冬里的一点体感周期不可怕可怕的是待在原地写到最后我想分享一点个人体感。程序员这个职业从来没有“永远高光”的承诺它只是跟着行业周期在波动。前几年的红火是行业上升期释放的红利如今的下行是行业回归正常曲线的阵痛。看穿了这一点就会发现焦虑本身没有意义真正有意义的是搞清楚自己在周期里的位置然后顺势调整。我是个技术老狗不是什么预言家我给不了你“AI时代程序员必胜”的保证。但每一次行业洗牌淘汰的都是“价值停留在执行层”的人留下的往往是“能解决问题、能扛住混沌、能承担后果”的人。这个规律以前适用AI时代只会更加直白。所以文章看到这里如果你心里升起了哪怕一丝危机感请别让这个感觉只停留在“转发收藏”的层面。就从今晚开始给自己的工作做一次体检把第一个改造动作落实下去。冬天总要冷一阵子但备好衣物、调整呼吸、走对方向的人一定能等到下一个春天。我这些年被拷打过后的心得只有一句真正的安全感永远来自不断进化的自己。