为什么 AI 还没有取代软件工程师，而且也不会取代

LLM 编码的能力与局限

• 现在 LLM 已经可以搭建完整应用（Web、移动端、基础设施即代码），并处理非平凡任务（逆向工程固件、安全脚本、Terraform/Ansible、Frida 等）。
• 它们在样板代码、连线和“文本形”后端问题上表现出色；但在细腻的 UX、视觉品味和边缘情况上要弱得多。
• 模型仍会犯基础的逻辑错误（例如按字符串排序日期），而且会毫不犹豫地沿着错误路径继续下去，却意识不到自己错了。
• 有效使用需要强的人类引导、测试和审查；没有指导的“vibecoding”会产出大量脆弱、低质量的代码。

从零开始与维护，以及复杂性

• 对于独立开发者和小团队，LLM 让过去不可能完成的 5 万到 10 万行代码项目变得可行；时间从打字转向规划、阅读和 QA。
• 在更大的系统中（许多工程师、数百个功能），复杂性、耦合和不可见约束占主导。LLM 目前还无法很好地处理这些问题。
• 从零开始的原型大体可以自动化；长期维护、与遗留系统集成以及安全仍然困难且高度依赖人类。

取代 vs 赋能

• 一些人表示，在小型初创公司和个人项目中，确实出现了“几个开发者”被具体替代的情况；另一些人则认为这些其实是全新的项目，本来就不会雇佣工程师。
• 许多人把 AI 看作一种放大器：一个优秀工程师 + agents 可以取代更大但水平一般的团队，尤其是在新项目上。
• 形成的共识是：弱的、只会“倒票”的开发者风险最大；能够为 agents 进行规格定义、审查、调试并围绕它们做架构的强工程师，会获得更大的杠杆。

决策、领域知识与责任

• 核心价值正在转向：
  • 决定要做什么（产品思维、领域知识）。
  • 验证并对交付结果负责（测试、安全、合规）。
  • 深入理解代码库和业务上下文，以便处理取舍。
• 非技术人员已经在用 AI 构建内部工具，但很快就会碰到复杂性墙，实际上变成了训练不足的开发者。
• 组织仍然需要一个人类“背锅者”，而且目前还不能把法律/运营责任外包给 AI；供应商也不会提供责任担保。

经济与劳动力市场影响

• 有人预计会出现“3D 打印机/CNC 时刻”：定制小工具会多得多，传统开发岗位会更少，平均薪资更低，而顶尖人才薪资更高。
• 另一些人指出历史规律：自动化往往会扩大软件总需求，而不是缩小它，尽管具体职位和头衔会发生变化。
• 有人担心 AI 会把编码商品化，掏空中等技能岗位，并把回报集中到少数高技能的“AI 牧羊人”手中。