AI 正在消灭软件工程的中产阶级吗？

AI 对代码质量和架构的影响

• 许多人认为 LLM 正在把“Big Ball of Mud”式代码进一步放大：这类代码库庞大、脆弱、结构糟糕，在演示里“能跑”，但在规模扩大、需求变化或接受审视时就会失败。
• AI 让生成数万行“能编译、能通过表面测试、看起来还行”的代码变得很便宜——直到维护、性能、安全和迁移变成噩梦。
• 也有人指出，这原本就是人类长期存在的问题；AI 主要是加速了它，并把它扩散给更多人和组织，尤其是工程文化薄弱的团队。

放大优秀工程师与糟糕工程师的差异

• 普遍共识是，AI 是一个放大器：优秀工程师更快，弱的工程师则会以更快的速度造成更大的破坏。
• 这里的“糟糕”通常指：没有架构意识、没有责任心、不关注不变量、背压、性能或复杂度。
• 一个弱工程师加上 AI，可能用大量垃圾代码淹没代码评审，让真正理解系统的人不堪重负。

流程、评审与管理动态

• 传统防线（小 PR、代码评审、测试、QA）并不是为 AI 级别的吞吐量设计的；评审者会变成瓶颈。
• 一些公司明确奖励 AI 使用（token 花费、AI 占工作比例、PR 数量），从而激励“量”而不是“理解”。
• 有人把 AI 的良好用法描述为：限制 agent、保持改动小、维持人类心智模型，并在评审和工具上大量投入。许多组织却在做相反的事情。

工作岗位、“中产阶级” SWE 与人才管道

• 很多人担心，AI 加上外包和供给过剩正在掏空初级/中级岗位，使未来培养资深工程师变得更难。
• 有人认为这个行业正在走向“赢家通吃”：少数极其优秀的人再加上 AI 就能替代更大的团队；也有人说软件需求仍然巨大，工作只是会转移，而不会消失。
• 对因果关系存在分歧：有人把责任归于 LLM，有人则归咎于利率、招聘做法、移民，以及长期缺乏导师制度。

人们实际上如何使用 AI

• 许多资深工程师表示自己重度使用 AI，但控制很严：用于样板代码、重构、测试和设计探索，而不是让它作为自主编码者。
• 也有人报告管理层在各处强制推行“AI first”，导致一种没人真正完全理解的 vibe-coded 产品。

更长期的担忧

• 人们担心技能退化（“认知投降”）以及当大家把思考外包给 agent 时，理解能力会丧失。
• 一些人认为这是一种更广泛趋势的一部分：走向集中化、technofeudalism，以及专业中产阶级的崩塌；另一些人则认为这只是又一次工具变革，等实践跟上后就会稳定下来。