编程并未被解决

“编程”被解决了吗？分歧立场

• 一派声称“今天编程已经被解决”：前沿 LLM 能以通常人类水平或更高水平编写、阅读、移植和优化大多数语言的代码，尤其是在 CRUD、算法和重构方面。
• 另一些人认为这种说法被夸大了：LLM 生成的代码仍然不如优秀的人类代码，尤其是在架构、长期可维护性和非功能性需求（NFRs）方面。
• 还有人将“微观层面的编码”（函数、端点、移植）视为基本已解决，而“软件工程”（需求、设计、权衡、生命周期）则远未解决。

当前模型的能力与局限

• 成功案例：大型移植（例如，数十万行 LOC 的 TypeScript→Rust）、重度 Agentic 工作流、桌游实现、显著的生产力提升（据称 10 倍以上）。
• 批评者指出，这些往往是受约束的问题，且有强有力的判定标准（现有行为、测试套件），并不能证明从零开始的端到端系统设计已经被解决。
• 长期规划、整体架构，以及面向未来的 API/类型设计，反复被提及为薄弱环节。

质量、垃圾代码与大规模代码审查

• 许多人表示，AI 让弱开发者能产出大量他们并不真正理解的代码，压垮人工审查（每周数万到数十万行 LOC）。
• AI 代码审查器经常只挑风格问题，却忽略深层设计缺陷；在没有强有人类监督的情况下，“AI 审 AI”被认为很危险。
• 一些组织已经把 AI 生成的 PR 基本视为未经审查，这导致回归、可观测性丢失，以及隐蔽的正确性/性能问题。

测试、确定性与“理解”

• 支持 AI 的一方：如果你有强规格和海量自动化测试，那么是谁/什么写的代码就不那么重要；测试和 fuzzers 也可以由 AI 生成。
• 怀疑的一方：你仍然需要人类来定义该测试什么、解释需求，并注意那些未被明确说明的行为；否则代理只会优化测试里写明的内容，让其他一切逐渐偏离。
• 关于“非确定性”的争论：有人说 LLM 的随机性并不比人类错误更糟；另一些人强调，黑箱、不可重复的生成并不等同于编译器或经过证明的库。

责任、风险与领域

• 普遍共识是，责任仍然属于人类/组织；AI 不能被惩罚，也不能承担法律责任。
• 有人认为大多数企业软件风险较低，AI 产生的垃圾代码“够用了”；也有人指出，即使是普通系统（支付、物流、医疗行政）在失败时也会造成现实世界的伤害。

对角色与技能的影响

• 新的“技能”：编排代理、编写 AGENTS.md 和架构文档、设计规格与测试，以及把关合并，而不是手写代码。
• 对“AI 过量使用”和技能退化的担忧：初级开发者可能永远发展不出深层问题解决能力；资深开发者则觉得自己数十年的编码经验被贬值了。
• 许多人预见“代码苦力”式岗位会减少，但仍会需要能够推理系统、需求和权衡的人。