关于 2026 年的工程师身份

大型语言模型和 AI 智能体的快速进展正在重塑软件工程师的意义,把许多日常工作从编写和调试代码转向编排和监督自动化系统。评论者争论当前工具到底能走多远——从自动化 “CRUD” 和外包工作,到潜在地替代整个团队——以及哪些能力仍然是人类独有的,例如领域判断、责任、品味和缄默知识。许多人预计,普通“修工单”程序员的岗位会减少,高杠杆工程师和重视安全的监督者仍会受到需求,而如果生产力提升快于新岗位创造或治理能力的提升,社会层面的风险也会扩大。

AI 能力边界(编码、直觉、“意识”)

  • 对于智能体是否可能拥有直觉或感受存在争论;一些人认为这与人类意识和生物学有关,另一些人则认为涌现行为意味着我们不能排除机器意识的可能性。
  • 几位评论者指出,LLM 已经表现得像“系统 1”式直觉:它们通过不透明的内部权重给出答案,无法完全解释自己的推理过程。
  • 缄默知识被描述为一个训练/反馈问题;RL 和丰富的环境也许可以近似实现它。

对软件工程工作的影响

  • 许多人表示,LLM 可以处理大多数“AI 之前的资深工程师”编码任务,以及越来越多的 AI 之后的胶水工作,尤其是 CRUD 和样板代码、测试生成、重构、工单整理。
  • 也有人强烈不同意,认为有关完全自动化的说法像炒作或“精神操控(gaslighting)”,而现实系统、安全、遗留代码,以及并行/分布式编程仍会频繁暴露模型错误。
  • 一些工程师觉得自己的角色已经从构建并深入理解系统,变成了“智能体保姆”,失去了这份工作的满足感。
  • 另一些人则表示,拥抱 AI 的优秀工程师变得高效得多,能够承担更有野心的项目。

10 倍工程师 vs 普通工程师

  • 广泛存在的担忧是:普通的“接单型”开发者正变得越来越多余;高自主性、产品导向的工程师则变成“100x”。
  • 反对观点:生产力很难衡量;像 10x/1x 这样的标签往往是社会性的,用来为压力和不稳定性辩护。
  • 有人强调,糟糕的/负 10x 工程师现在也能更快地产出更多低质量代码。

商业模式、SaaS 和外包

  • 有人猜测,AI 会削弱外包和低端 SaaS,因为团队会用“vibe code”构建内部替代方案。
  • 另一些人认为,许多工具足够便宜,自己内部开发仍然不值得承担风险;AI 主要只是改变了自建与采购的分界点。
  • 还有人担心“软件工厂”会产出脆弱的系统,却没有人对设计质量负责。

人工监督、安全与责任

  • 一个常见观点是:长期存在的角色位于“三明治”的“面包”部分——决定要构建什么,以及验证它是否可接受。
  • 安全和治理是反复被提及的担忧:智能体可能放大破坏范围,引入新的攻击面,并生成难以维护或危险的系统。
  • 责任、法律责任,以及生产系统的长期可观测性,被视为本质上由人类承担的瓶颈。

经济与社会层面的担忧

  • 对失业的强烈焦虑,尤其是针对普通开发者、中层管理者和外包劳动力。
  • 有人设想出现新的工匠式角色(为个人/小企业定制的软件);也有人怀疑这类角色在规模化后的经济可行性。
  • 更广泛的担忧包括不平等、“统治阶级 + AI”的主导,以及通往某种后工作或类似 UBI 平衡状态的不确定路径。