大家好，我是讯享网，很高兴认识大家。这里提供最前沿的Ai技术和互联网信息。



这件故事的引起，是在今年的3月初，我被很开心的投递到一个项目里。当时说的很好，去学习的，为期两个月。主要是学习AI产品在企业中的落地，去学习RAG应用等等。

然后有点意料之外，又在情理之中的事情发生了，我是去当牛马的。我不是主要去学习，我主要是去push项目进度，去开发的。

当时，我面对的现况就是这样的，两个重资源项目并行投入（因为原本说的学习，所以我手上还兼顾着其他的项目，我需要保证我的日常产出），而这个AI项目是用python写，哈哈哈，我完全不会Python语法。

中间的过程我就不提了，反正那段时间相对比较焦虑。但是最终：我第一个星期调完了所有的prompt，第二个星期一个项目V1版本上线，第三个星期第二个项目上线。至于之后，整个客户就结束了，我就回去了。emmm，两个月变成3个星期，我还是很舍不得客户的免费的饭菜的，真好吃。

话说回来，本质上，在这一次过程中，我极大的借鉴了AI的能力，疯狂的提效。加上我之前一直在用的AI，我就忽然想写一篇blog，半吐槽性质的瞎聊聊。

所以回到标题，程序员为什么要写代码？我个人觉得：AI时代，程序员不应该写过多的代码。 把精力往上提，提到架构层面，提到项目落地层面，提到战略层面。执行层下放给AI，这才是正道。

现在我要开始BBBBB了。

首先，纠正一个常识性的知识点，AI有的时候蠢蠢的而且犟。明明你都已经在prompt内，要求写上了输出格式，但是他可能就是输出是有问题的格式。这种情况下，你可以强制在prompt内写明，不需要这样的格式，但是我更加建议你采用类似pydantic进行结构化校验。同时AI的数数很差，你让他生成20个题目，他可能超过，也可能遗漏。

这就像什么？像野外的细菌长得千奇百怪，实验室内的培养皿上的细菌，动不动就死。

明确的输入和输出

所以，AI，尤其是在用于生产环境的AI，他适合的是那种有明确输入和输出的问题。他适合的是可以被工程学进行合理拆分的问题。我记得，之前看模型到底OK不OK的时候，我记得有好几个评判标准：数学领域，编程领域，自然语言领域。你看实际上，前两者都是有一个唯一解，或者相对正确解的。

这些是AI所擅长的。

不明确的输入与输出

实际上，当你自己都不知道要什么的时候，AI的表现确实不尽如人意。

比如：你让AI取名字，emmm，这是灾难，哪怕我开了opus，但是效果可能也不太好。

衍生一点说，当你是一名开发程序员，你都不知道业务场景是什么？目标输出是什么？用什么样的技术？就拿着项目经理甩过来的几句话丢给AI，AI的表现确实可能不太好。（当然，AI可以在多轮对话内，反复挖掘你的需求和真实的业务场景，最终做也能做，就是你比别人更耗费资源）

需要说明的

• AI是局部最优，而非全局最优，你要把控整个系统的熵（当然你也可以配置一个高级agent，来进行监控）
• 在面对复杂业务系统的落地时，单纯的使用AI，我个人感觉很难有个较为良好的实现（详情看我后面的skill）

他是生产力工具，那是另外一个维度。

在3月份，当牛马的那3个星期里面，我深刻的意识到一件事情。语法、甚至是编程语言，都不再是桎梏开发的约束，思维和眼界才是。

是，我确实不会python语法，但是我不care。我每天的日常，就是输入我的需求，哐哐哐让AI生成，然后看对不对，接着继续搞。

所以，AI极大的提升了程序员的下限。但是真正的区别就开始展现出来了，你怎么判断系统的边界、怎么选择全局最优的方案、怎么去评判AI写的代码是否良性、怎么用更少的token完成更多的任务、怎么避免AI的幻觉。

所以，我大胆假设一下。以后，应该没有java开发工程师，python开发工程师，php开发工程师。在语言不再成为桎梏的现况之下，有的只有是AI工程师，agent工程师。

我相信，资本会倒逼整个开发市场，用更少的资本去撬动更大的杠杆。所以这不是古法编程存在不存在的问题，而是你若不适应，就是会被淘汰。

那程序员的护城河在哪

上面说了一堆AI牛的地方，但是你可能会问，那程序员的价值到底在哪？

我的答案是：从具象的代码，到抽象的设计思想、架构风格，到复杂场景的实际落地，这个跃迁过程，就是程序员的护城河。

AI把写代码这件事解决了，没错。但是怎么评判AI写的代码是否良性？怎么在一个混沌的业务系统里保持熵减？怎么设计防腐层、适配层？怎么做技术选型？这些东西，本质上都是架构能力。

而且，至少在现阶段，AI在复杂项目场景的落地上，依然不太OK。那种牵扯到多团队协作、历史遗留债务、业务规则满天飞的项目，你让AI从0到1搞定？他搞不定。这也是高级开发和架构师的护城河——你得能hold住混沌。

使用AI编程工具

哪些模型

讲道理，我就用过几个模型。开发模型数不胜数，但是我常用的就几个

claude sonnet 4.5 兼顾速度与准确，一般问题可以处理。

GPT-5.4 Low Thinking，因为推理模型慢一点，但是相对他的价格来说，很不错

claude opus 4.6，真正的利器，运行很慢，费用高，适合处理一些卡死的问题

SWE，这个模型应该是WindSurf内置的，因为他免费，小问题都可以问他，不过自从我买了会员之后，我也没怎么用过他了

---

当你找到一个顺手的AI辅助开发工具之后，你就会超过50%的人，慢慢的你就会和古法编程人员拉开差距。

你开始使用skill

很明显，你现在开始不满足单纯的使用AI辅助工具，有些场景明明是复用的，你不想每次都要写一大堆重复的话。

于是Skill产生了，他本质上就是一个复用。

关于skill，我认为统分为两大类：别人的和自己的。

别人的skill，你可以看这个网站

https://skills.sh/

这里面有很多不错的skill，比如find-skills、agent-browser

自己的skill

你完全可以让AI写一个自己喜欢的skill。

我的这个skill，是用来在一个复杂混沌系统内，用来出架构文档的，然后我会审核这个架构技术文档，审核通过就是按照架构文档去写代码。

简单介绍一下我的这个skill吧。

他由以下元素组成

• 产品的源码（我封装了其他的skill，用来反编译一些产品源码）
• 产品内部开发的一些规约守则
• 开发者对于整个功能的思考与设计（v1版本没有这个，我原本想一次性输入，然后就发生了大量的AI幻觉）
• 历史遗留项目的相似功能引用（在调用skill的时候，我会问你，有没有参照）
• 良性设计参考（这些良性设计，更加倾向于怎么在一个混沌系统内保持熵减或者熵不变，是一些防腐层设计，适配逻辑，转化逻辑等等）
• 数据库mcp，我会拿到本地数据库的表结构和数据，以此来更好的开发

其实你说他是一个skill也行，说他是一个agent也行，反正他有自我感知，自我决策的能力。

你开始用CC，跑定时任务

skill是很牛，但是他只能解决一类问题。

在跑定时任务的时候，我用的AI，只有claude code。

claude code的定时任务，统分为两大类，

• 一类是api的，你用&就可以跑background任务了。（用这个完全是因为国内中转站，性价比太高了！）
• 一类是claude客户端，有个cowork模式（这个模式我就玩了一个晚上，惊为天人，但是半夜我就收到官方的邮件，我被封号了，我共享了我的账号给了好几个人，而且vpn实话说可能不太稳定。我后面会再去玩玩的）

关于CC的任务权限问题

相信我，不要一下子很粗暴的–dangerously-skip-permission，除非这台电脑不是你的主力电脑，比如你在云上瞎玩。

开启方式也特别简单

 /auto

⏺ 好的，已切换到 自动接受模式 (auto-mode)。

现在常规操作（读文件、搜索、编辑代码、运行命令等）会自动执行，不再逐一确认。危 险操作仍会保留安全提示。

你可以直接开始批量任务了。

你开始搞一人公司原型(多agent角色)

定时任务虽然好，但是你只是多了几个worker而已，你开始意识到，单纯的堆砌worker极容易达到瓶颈。

于是你想要一个项目经理，让他主管整个项目的进度。

后面你又想要一个技术经理，让他进行拆分任务，制定框架蓝图。

后面你又想要一个看门狗，定时轮询检查worker的内容。

而当你思考到了这一步，那么其实就是程序里面的分层设计了，此时你开始找市面上有没有合适的框架。

---

于是你找到了很多，最终你选择了一个CrewAI，因为他开源而且上手很简单。

你简单试一试，发现效果不错。

哦，不要问我为啥会有摘要，因为CEO这个角色就是需要一大堆的输入，需要先进行文档压缩，不然他出不来的。

而这个，你就不再是一位开发了，你开始站在的是战略层面，你考虑的问题的角度和思路完全不一样了。

AI，彻彻底底的成为了你的生产力工具

你开始皱眉，因为token烧的慌

然后你打开了账单，发现事情有点不对。

这才一个模拟问题，总共烧掉了我26w的token。

你开始慌了，之前用作开发工具的时候，emmm，等等，好像我也不知道我烧掉多少token啊，现在收费规则，全都是按照调用次数算的。不过，不管怎么说，这个调用和耗费资源数，你感觉很慌。

但是不要慌，这就和当年的流量时代一样的，后面token只会越来越不值钱。

算一笔账你就明白了：26w token，按目前中转站的价格，大概也就几块钱人民币。而一个初级开发写同样的东西，可能得搞一整天，人力成本几百上千。这个ROI，根本不在一个量级。

所以你要明白，现在这个阶段，你烧的越多，越代表你用的更深入。token就是新时代的带宽，早期觉得贵，后面回头看都是白菜价。

聊到这里，你可能觉得AI无所不能，越用越爽。但实际上，越往上走，AI的能力越弱。

为啥？因为变量越大。

写一个CRUD接口，变量少，AI秒杀。设计一个微服务架构，变量多了，AI开始犯迷糊。做一个产品的市场定位和商业决策？公司内部的政治博弈、市场的不确定性、客户的奇葩需求……这些东西AI根本处理不了，因为他只能在一个相对合理且理想化的世界中运行。

所以人+AI的模式，本质上是一个倒金字塔：底层执行AI干，中层设计人和AI协作，顶层决策人来拍。 越往上，人的权重越大。

但这并不妨碍我们去深挖AI的用法、生态、边界和能力。恰恰相反，你越了解他的边界，你就越知道怎么在边界内把他用到极致。

因此我们时常恐惧，恐惧被时代所抛弃，所以我们倾尽全力，甚至不择手段的去学习，去思考，去实践。

而这件事情本身，就是**恐惧的良药。

愿君共勉！

所以回到开头那句话，程序员为什么要写代码？答案是：写，但不应该写那么多了。 把省下来的时间和精力，投入到AI做不了的事情上去。去思考，去实践，去try，去碰壁，去成长。最后形成自己的方法论和体系。