AI编码时代的集体焦虑从程序员到审核员我们在失去什么2026年初至今软件工程领域经历了一场前所未有的工作流变革。Evan Schwartz 在 8 月 5 日发布了一篇文章《Notes from the AI Coding Transition》回顾了过去 7 个月里让他印象最深的 20 余篇同行反思文章。这些文字来自 Nolan Lawson、Simon Willison、Armin Ronacher、antirez 等一线工程师和架构师。它们共同勾勒出一幅图景代码产出越来越快但工程师的掌控感、创造力、甚至职业认同正在悄然消解。一、这篇文章在做什么Evan Schwartz 没有直接阐述自己的观点而是做了一件更有价值的事精选 摘录。他回溯了 2026 年 2 月到 7 月间发表的相关文章摘录了每篇中最打动他的段落加粗了他认为最关键的句子。这篇文章本身是一面镜子——它不试图给出答案而是把整个行业在这个转折点上最诚实的声音汇聚在一起。读完之后你会发现这些来自不同背景、不同公司的工程师在焦虑、困惑和反思上惊人地一致。二、核心主题五大焦虑从这 20 多篇摘录中可以提炼出五条贯穿始终的主线。1. “我不再觉得我是个程序员了”这是 Igor Kulman 7 月份文章的标题也是很多人的心声。Nolan Lawson 说得更加尖锐他不想成为一个高级 TSA 安检员每天的工作就是审查 AI 生成的代码确保没有把危险的东西 smuggle走私进生产环境。Ivan Turkovic 点出了更深层的东西大多数人成为软件工程师是因为热爱写代码。不是管理代码、不是审查代码、不是监督生产代码的系统而是亲手把想法精确地表达为机器能执行的语言。AI 时代没有问工程师你想学一种新的工作方式吗它直接说别再干你当初入行的那件事了换个身份吧。Elio Struyf 用了一个更细腻的描述过去你问一个人做事他不会 5 分钟后说好了。但 AI 代理就是这样——完成了下一个完成了下一个。没有喘息的空间没有想通那一刻的快感。那个让你觉得这是我做的的东西消失了。“AI 没有拿走编码的快乐是我自己把它送出去的。” —— Elio Struyf2. 认知债务比技术债务更危险Margaret Storey 提出了认知债务Cognitive Debt这个概念。传统的技术债务会通过构建失败或部署后的 bug 暴露自己。但认知债务不同——它是团队对系统共同理解的无声流失。AI 可以写出正确的代码但如果团队成员已经不理解程序在做什么、意图是如何实现的、以及如何修改它那么这个系统在长期来看就是不可维护的。Peter Naur 几十年前就说过程序不只是源代码程序是开发者头脑中的理论。AI 时代的问题是代码还在理论却消失了。Armin Ronacher 说得更直白“我希望不用先问 AI 来给我解释就能讲清楚系统做了什么。”他观察到现代 AI 模型倾向于生成过度防御、过度复杂、推理局部的代码。每一轮迭代加一层防御系统就在看似更健壮的同时变得不可理解。3. 技能在悄悄退化而且你察觉不到Vardan Torosyan 用飞行员做类比过度依赖自动驾驶的飞行员逐渐丧失了手动飞行的能力这不是理论问题而是真实导致过坠机事故。他在文章中提出了一个关键的心理机制判断力来自一个循环你形成观点 → 你做出承诺 → 你看到结果 → 你更新认知。AI 短路了这个循环的第一步——你跳过了形成自己的观点直接进入评估别人的输出。做得多了形成观点的肌肉就萎缩了。你变成了更好的审核员更差的思考者。Andrew Diamond 用了一个生动的类比想象一个两年出一本书的历史小说家出版社给她找了几个能一天写五页的优秀学生她的工作变成了编辑。编辑不是创作。你不再沉浸于想象的构建过程而是在修补措辞、删去冗余。心流状态消失了。Tom Wojcik 引用了一项研究Shen-Tamkin发现了六类开发者使用 AI 的模式。其中三类导致学习退化完全委托、渐进依赖、把调试外包给 AI。另外三类即使完全使用 AI 也保持了学习主动要求解释、提出概念性问题、独立写代码同时用 AI 澄清疑问。关键不是用不用 AI而是你是否保持了认知参与度。4. 范围蔓延式的职业负担Ivan Turkovic 指出了一个常被忽略的现实中级后端工程师现在被要求理解产品战略、审查自己没写的前端代码、考虑部署基础设施、思考无法完全追溯的代码的安全影响还要保持以前别人才需要的大局架构意识。这不是赋能这是范围蔓延——没有对应的薪酬增长、权限提升或时间增加。Sid Sundharam 称之为决策疲劳手动做任务时你自然有时间在过程中建立理解和心智模型。而监督 AI 代理意味着每小时要做出更多的架构决策同时不断地上下文切换。这本质上比你自己执行标准编程任务要困难得多。Vardan Torosyan 在 6 月的文章中给出了一个清晰的诊断AI 给每个工程师配了一支不知疲倦、快速、偶尔出错的小团队同时也带来了管理者的问题。工程师正在感受到的不适不是 AI 的问题而是委托delegation的问题。5. 慢下来成为了一种抵抗面对这种加速越来越多工程师的声音是慢下来。Mario Zechner《Mindustry》开发者的语气最为激烈如果你让 AI 代理自由运行它们是复杂度的商人。它们见过大量糟糕的架构决策你让它帮你设计应用结果就是一堆Cargo Cult 式的行业最佳实践的混合物。一个 2 人团队配 AI 代理几周就能达到过去人类企业级代码库多年才会积累的复杂度。他的建议给自己时间思考你到底在构建什么、为什么构建。设定每天让 AI 生成多少代码的上限匹配你实际审查代码的能力。Armin Ronacher 在《The Tower Keeps Rising》中指出了更深层的问题大型软件项目从来不只是受限于个人的代码产出速度而是受限于人们协调对系统理解的能力。AI 加速了代码生成但没有加速理解的协调。如果没有找到办法让人重新回到循环中系统就永远在变高、变复杂、变不可理解。三、那些务实的建议这篇文章不仅仅是焦虑的合集——其中也包含了许多可操作的方法论。Vardan Torosyan 的先写再看原则在打开工具之前先写下你对问题的理解、直觉上的方案、你认为的难点在哪。哪怕只是几句话。这迫使你表达推理而不是模式匹配。在看了 AI 的建议之前先形成自己的观点。这是被动消费和主动评估的区别。Matheus Lima 的硬规则如果我还不能解释这个改动我就不能发布它。没有例外。Vardan Torosyan6 月文章的行动清单区分拥有和撰写——你可以拥有你没写的代码但你不能拥有你拒绝理解的代码。决定哪些东西必须深入理解然后有意识地忽略其余的不要为此感到内疚。保持至少有一块你深入理解的领域。追踪你在学什么而不仅仅是你在交付什么。不适就是工作本身不是 bug。在信息不完整的情况下行动、在不确定中做出决策——这就是判断力。Sean Goedecke 的洞见LLM 奖励专业知识。Terence Tao 和 ChatGPT 的对话是最佳范例。这不是同一个 ChatGPT——领域深度决定了你能从模型中获得什么。Tao 的消息简短、直接、几乎从不接受模型关于下一步往哪走的建议。提示词的核心能力不是提示技巧而是你在这个领域的专业深度。Candost 的 WIP 限制原则直觉相反限制并行工作的数量实际上产生了更好的结果。从并行构建多个功能转向更快地端到端完成一个功能。四、这篇文章为什么重要Evan Schwartz 的价值不在于他提出了什么新观点而在于他完成了一次行业情绪的文献整理。这 20 多篇文章的作者来自不同的背景独立开发者、创业公司 CTO、大厂工程师、学术研究者。他们没有统一的公司立场没有商业利益驱动但他们的观察高度一致。这种一致性本身就是信号——这不是少数人的不适应而是一个结构性转型。值得注意的是这些文章中没有一个是AI 将取代所有程序员的灾难论也没有AI 让一切变得更好的盲目乐观。它们处于中间地带承认工具的价值同时正视代价。这种诚实在这个话题上反而稀缺。五、写在最后我们该怎么办这篇文章的最后一篇摘录来自 Jacob O’Bryant标题是《2x, not 10x》。这个标题本身就是态度LLM 的实际价值是 2 倍不是 10 倍。它们擅长的是有明确验收标准的代码生成不擅长的是理解问题本身。回到 antirez 的一句话“控制想法而不是代码。”如果代码的生成成本趋近于零那么代码本身的价值也在趋近于零。真正稀缺的是对系统的理解、对边界的判断、对取舍的洞察。在这个加速的时代慢下来不是一种怀旧而是一种策略。原文Notes from the AI Coding Transition by Evan Schwartz2026-08-05文中引用的原始文章按时间顺序Nolan Lawson - We mourn our craft2 月 7 日Margaret Storey - Cognitive Debt2 月 9 日Simon Willison - Deep Blue2 月 15 日Tom Wojcik - Finding the Right Amount of AI2 月 15 日Ivan Turkovic - AI Made Writing Code Easier, Engineering Harder2 月 25 日Carson Gross - Yes, and…2 月 27 日Xe Iaso - I don’t know if I like working at higher levels of abstraction3 月 11 日Colin Brek - Adapting to AI: Reflections on Productivity3 月 15 日Mario Zechner - Thoughts on slowing the fuck down3 月 25 日Matheus Lima - “Good Taste” Is Just Experience3 月 27 日Sid Sundharam - Agentic Coding is Burning Me Out5 月 1 日Simon Willison - Vibe coding and agentic engineering are getting closer than I’d like5 月 6 日Vardan Torosyan - What to do when AI is quietly making you worse5 月 27 日Matheus Lima - Using My Fucking Brain5 月 27 日Sean Goedecke - Anti-AI nostalgia and the cult of the past6 月 4 日Candost - On the Changing Role of Software Engineers6 月 9 日Niko Uusitalo - Coding Atrophy and Generative AI6 月 12 日Elio Struyf - Is AI quietly taking the joy out of coding?6 月 17 日Vardan Torosyan - There is too much6 月 22 日Armin Ronacher - The Coming Loop6 月 23 日Andrew Diamond - Software Engineering in the Age of AI6 月 28 日Igor Kulman - I do not feel like a programmer anymore7 月 1 日Vini (GolemUI) - The age of token efficiency7 月 6 日Rushabh Mehta - Building great software with agentic coding7 月 9 日Sean Goedecke - In defense of not understanding your codebase7 月 11 日antirez - Control the ideas, not the code7 月 13 日Armin Ronacher - The Tower Keeps Rising7 月 13 日Sean Goedecke - LLMs reward expertise7 月 24 日Piotr Chmolowski - Nothing Works and Everyone Is Euphoric7 月 24 日Jacob O’Bryant - 2x, not 10x: coding with LLMs in 20267 月 25 日 AI编码时代的集体焦虑：从“程序员“到“审核员“，我们在失去什么？
AI编码时代的集体焦虑从程序员到审核员我们在失去什么2026年初至今软件工程领域经历了一场前所未有的工作流变革。Evan Schwartz 在 8 月 5 日发布了一篇文章《Notes from the AI Coding Transition》回顾了过去 7 个月里让他印象最深的 20 余篇同行反思文章。这些文字来自 Nolan Lawson、Simon Willison、Armin Ronacher、antirez 等一线工程师和架构师。它们共同勾勒出一幅图景代码产出越来越快但工程师的掌控感、创造力、甚至职业认同正在悄然消解。一、这篇文章在做什么Evan Schwartz 没有直接阐述自己的观点而是做了一件更有价值的事精选 摘录。他回溯了 2026 年 2 月到 7 月间发表的相关文章摘录了每篇中最打动他的段落加粗了他认为最关键的句子。这篇文章本身是一面镜子——它不试图给出答案而是把整个行业在这个转折点上最诚实的声音汇聚在一起。读完之后你会发现这些来自不同背景、不同公司的工程师在焦虑、困惑和反思上惊人地一致。二、核心主题五大焦虑从这 20 多篇摘录中可以提炼出五条贯穿始终的主线。1. “我不再觉得我是个程序员了”这是 Igor Kulman 7 月份文章的标题也是很多人的心声。Nolan Lawson 说得更加尖锐他不想成为一个高级 TSA 安检员每天的工作就是审查 AI 生成的代码确保没有把危险的东西 smuggle走私进生产环境。Ivan Turkovic 点出了更深层的东西大多数人成为软件工程师是因为热爱写代码。不是管理代码、不是审查代码、不是监督生产代码的系统而是亲手把想法精确地表达为机器能执行的语言。AI 时代没有问工程师你想学一种新的工作方式吗它直接说别再干你当初入行的那件事了换个身份吧。Elio Struyf 用了一个更细腻的描述过去你问一个人做事他不会 5 分钟后说好了。但 AI 代理就是这样——完成了下一个完成了下一个。没有喘息的空间没有想通那一刻的快感。那个让你觉得这是我做的的东西消失了。“AI 没有拿走编码的快乐是我自己把它送出去的。” —— Elio Struyf2. 认知债务比技术债务更危险Margaret Storey 提出了认知债务Cognitive Debt这个概念。传统的技术债务会通过构建失败或部署后的 bug 暴露自己。但认知债务不同——它是团队对系统共同理解的无声流失。AI 可以写出正确的代码但如果团队成员已经不理解程序在做什么、意图是如何实现的、以及如何修改它那么这个系统在长期来看就是不可维护的。Peter Naur 几十年前就说过程序不只是源代码程序是开发者头脑中的理论。AI 时代的问题是代码还在理论却消失了。Armin Ronacher 说得更直白“我希望不用先问 AI 来给我解释就能讲清楚系统做了什么。”他观察到现代 AI 模型倾向于生成过度防御、过度复杂、推理局部的代码。每一轮迭代加一层防御系统就在看似更健壮的同时变得不可理解。3. 技能在悄悄退化而且你察觉不到Vardan Torosyan 用飞行员做类比过度依赖自动驾驶的飞行员逐渐丧失了手动飞行的能力这不是理论问题而是真实导致过坠机事故。他在文章中提出了一个关键的心理机制判断力来自一个循环你形成观点 → 你做出承诺 → 你看到结果 → 你更新认知。AI 短路了这个循环的第一步——你跳过了形成自己的观点直接进入评估别人的输出。做得多了形成观点的肌肉就萎缩了。你变成了更好的审核员更差的思考者。Andrew Diamond 用了一个生动的类比想象一个两年出一本书的历史小说家出版社给她找了几个能一天写五页的优秀学生她的工作变成了编辑。编辑不是创作。你不再沉浸于想象的构建过程而是在修补措辞、删去冗余。心流状态消失了。Tom Wojcik 引用了一项研究Shen-Tamkin发现了六类开发者使用 AI 的模式。其中三类导致学习退化完全委托、渐进依赖、把调试外包给 AI。另外三类即使完全使用 AI 也保持了学习主动要求解释、提出概念性问题、独立写代码同时用 AI 澄清疑问。关键不是用不用 AI而是你是否保持了认知参与度。4. 范围蔓延式的职业负担Ivan Turkovic 指出了一个常被忽略的现实中级后端工程师现在被要求理解产品战略、审查自己没写的前端代码、考虑部署基础设施、思考无法完全追溯的代码的安全影响还要保持以前别人才需要的大局架构意识。这不是赋能这是范围蔓延——没有对应的薪酬增长、权限提升或时间增加。Sid Sundharam 称之为决策疲劳手动做任务时你自然有时间在过程中建立理解和心智模型。而监督 AI 代理意味着每小时要做出更多的架构决策同时不断地上下文切换。这本质上比你自己执行标准编程任务要困难得多。Vardan Torosyan 在 6 月的文章中给出了一个清晰的诊断AI 给每个工程师配了一支不知疲倦、快速、偶尔出错的小团队同时也带来了管理者的问题。工程师正在感受到的不适不是 AI 的问题而是委托delegation的问题。5. 慢下来成为了一种抵抗面对这种加速越来越多工程师的声音是慢下来。Mario Zechner《Mindustry》开发者的语气最为激烈如果你让 AI 代理自由运行它们是复杂度的商人。它们见过大量糟糕的架构决策你让它帮你设计应用结果就是一堆Cargo Cult 式的行业最佳实践的混合物。一个 2 人团队配 AI 代理几周就能达到过去人类企业级代码库多年才会积累的复杂度。他的建议给自己时间思考你到底在构建什么、为什么构建。设定每天让 AI 生成多少代码的上限匹配你实际审查代码的能力。Armin Ronacher 在《The Tower Keeps Rising》中指出了更深层的问题大型软件项目从来不只是受限于个人的代码产出速度而是受限于人们协调对系统理解的能力。AI 加速了代码生成但没有加速理解的协调。如果没有找到办法让人重新回到循环中系统就永远在变高、变复杂、变不可理解。三、那些务实的建议这篇文章不仅仅是焦虑的合集——其中也包含了许多可操作的方法论。Vardan Torosyan 的先写再看原则在打开工具之前先写下你对问题的理解、直觉上的方案、你认为的难点在哪。哪怕只是几句话。这迫使你表达推理而不是模式匹配。在看了 AI 的建议之前先形成自己的观点。这是被动消费和主动评估的区别。Matheus Lima 的硬规则如果我还不能解释这个改动我就不能发布它。没有例外。Vardan Torosyan6 月文章的行动清单区分拥有和撰写——你可以拥有你没写的代码但你不能拥有你拒绝理解的代码。决定哪些东西必须深入理解然后有意识地忽略其余的不要为此感到内疚。保持至少有一块你深入理解的领域。追踪你在学什么而不仅仅是你在交付什么。不适就是工作本身不是 bug。在信息不完整的情况下行动、在不确定中做出决策——这就是判断力。Sean Goedecke 的洞见LLM 奖励专业知识。Terence Tao 和 ChatGPT 的对话是最佳范例。这不是同一个 ChatGPT——领域深度决定了你能从模型中获得什么。Tao 的消息简短、直接、几乎从不接受模型关于下一步往哪走的建议。提示词的核心能力不是提示技巧而是你在这个领域的专业深度。Candost 的 WIP 限制原则直觉相反限制并行工作的数量实际上产生了更好的结果。从并行构建多个功能转向更快地端到端完成一个功能。四、这篇文章为什么重要Evan Schwartz 的价值不在于他提出了什么新观点而在于他完成了一次行业情绪的文献整理。这 20 多篇文章的作者来自不同的背景独立开发者、创业公司 CTO、大厂工程师、学术研究者。他们没有统一的公司立场没有商业利益驱动但他们的观察高度一致。这种一致性本身就是信号——这不是少数人的不适应而是一个结构性转型。值得注意的是这些文章中没有一个是AI 将取代所有程序员的灾难论也没有AI 让一切变得更好的盲目乐观。它们处于中间地带承认工具的价值同时正视代价。这种诚实在这个话题上反而稀缺。五、写在最后我们该怎么办这篇文章的最后一篇摘录来自 Jacob O’Bryant标题是《2x, not 10x》。这个标题本身就是态度LLM 的实际价值是 2 倍不是 10 倍。它们擅长的是有明确验收标准的代码生成不擅长的是理解问题本身。回到 antirez 的一句话“控制想法而不是代码。”如果代码的生成成本趋近于零那么代码本身的价值也在趋近于零。真正稀缺的是对系统的理解、对边界的判断、对取舍的洞察。在这个加速的时代慢下来不是一种怀旧而是一种策略。原文Notes from the AI Coding Transition by Evan Schwartz2026-08-05文中引用的原始文章按时间顺序Nolan Lawson - We mourn our craft2 月 7 日Margaret Storey - Cognitive Debt2 月 9 日Simon Willison - Deep Blue2 月 15 日Tom Wojcik - Finding the Right Amount of AI2 月 15 日Ivan Turkovic - AI Made Writing Code Easier, Engineering Harder2 月 25 日Carson Gross - Yes, and…2 月 27 日Xe Iaso - I don’t know if I like working at higher levels of abstraction3 月 11 日Colin Brek - Adapting to AI: Reflections on Productivity3 月 15 日Mario Zechner - Thoughts on slowing the fuck down3 月 25 日Matheus Lima - “Good Taste” Is Just Experience3 月 27 日Sid Sundharam - Agentic Coding is Burning Me Out5 月 1 日Simon Willison - Vibe coding and agentic engineering are getting closer than I’d like5 月 6 日Vardan Torosyan - What to do when AI is quietly making you worse5 月 27 日Matheus Lima - Using My Fucking Brain5 月 27 日Sean Goedecke - Anti-AI nostalgia and the cult of the past6 月 4 日Candost - On the Changing Role of Software Engineers6 月 9 日Niko Uusitalo - Coding Atrophy and Generative AI6 月 12 日Elio Struyf - Is AI quietly taking the joy out of coding?6 月 17 日Vardan Torosyan - There is too much6 月 22 日Armin Ronacher - The Coming Loop6 月 23 日Andrew Diamond - Software Engineering in the Age of AI6 月 28 日Igor Kulman - I do not feel like a programmer anymore7 月 1 日Vini (GolemUI) - The age of token efficiency7 月 6 日Rushabh Mehta - Building great software with agentic coding7 月 9 日Sean Goedecke - In defense of not understanding your codebase7 月 11 日antirez - Control the ideas, not the code7 月 13 日Armin Ronacher - The Tower Keeps Rising7 月 13 日Sean Goedecke - LLMs reward expertise7 月 24 日Piotr Chmolowski - Nothing Works and Everyone Is Euphoric7 月 24 日Jacob O’Bryant - 2x, not 10x: coding with LLMs in 20267 月 25 日