问 HN：编程这个职业将走向何方？

Hacker News 讨论 ↗

整体情绪

  • 普遍认同 LLM 已经改变了软件工作，但对其影响会有多深、速度会有多快，存在明显分歧。
  • 讨论既有对巨大生产力提升的兴奋，也有对质量、责任、岗位收缩以及“vibe coding”的焦虑。

程序员角色的转变

  • 许多人认为“写代码”正在变成容易/机械的部分；剩余价值在于：
    • 理解问题、用户和领域。
    • 架构、系统设计、约束、取舍。
    • 管理 AI 代理并审查其输出。
  • 有人认为，这一角色正从“程序员”演变为“工程师/架构师/代理管理者”，类似历史上“分析师 + 程序员”合并为“软件工程师”。
  • 也有人担心，如果不亲自敲代码，会削弱对问题的理解，就像学生只看教材却想做数学题一样。

质量、复杂性与“认知债务”

  • 人们担心 LLM 往往会默认：
    • 过度工程化的方案、不必要的抽象，以及过大的范围。
    • 大量平庸的 PR 和不完整的迁移。
  • 出现了“认知债务”这一新概念：当事实来源变成提示词、计划和不透明的代理，而不是确定性的代码时，就会产生这种债务。
  • 一些团队报告说会感到倦怠，原因包括：
    • 为代理做大量前期规划。
    • 审查 AI 生成 PR 的工作量很大。
    • 觉得自己在“和工具对抗”，却没有获得净生产力提升。

LLM 的能力、局限与工作流

  • 强力采用者声称，只要满足以下条件，前沿模型就能实现大多数任务，甚至在大型遗留代码库中也可以：
    • 将工作拆分成小单元。
    • 提供详细的规格、计划和测试。
  • 批评者则报告：
    • 基本设计/逻辑错误，以及凭空捏造的 API/文档。
    • 如果没有大量监督，性能/鲁棒性很差。
  • 争论的焦点在于，这些失败究竟是固有问题，还是“技能/使用方式”问题。
  • 有些人把代码当作“汇编”：他们审查的是高层意图、生成的文档、图示和测试，而不是源代码本身。

采用模式与行业分化

  • 小型/快速公司：更强烈地被迫积极使用 LLM；“vibe coding” 很常见。
  • 大型/受监管公司：采用更慢，人类拥有代码，强制审查；允许使用 AI，但不会强制。
  • 讨论中预测的可能分化：
    • 高端、安全/性能关键型工作：更少但更熟练的工程师使用 AI 作为强力工具。
    • 中低端编码、原型和简单业务应用：高度自动化或被替代。

长期展望与不确定性

  • 有人预测编程将类似于操作 CNC 机床：人更少，技能更商品化。
  • 也有人认为，AI 最终会更像更好的 IDE 助手（本地模型、可视化/代码地图），而不是完整的“黑暗工厂”。
  • 许多人强调：没有人真正知道；模型和工具演进的速度使任何自信的预测都值得怀疑。