当代码不再稀缺,工程师还剩下什么?

2026 年的软件工程师,可能已经很少从空白文件开始写代码了。Shahar Glazner 在《On Being an Engineer in 2026》里描述自己的日常:先把编码交给 Agent,随后是邮件、文档和调试,最后连架构思考也开始转移。他现在做得最多的事情,是确保自己的 Agent 不会阻塞别人的 Agent。

2026 年 11 月 10 日,这篇文章在 Hacker News 上获得 99 分,讨论区聚集了 144 条可见评论。争论没有停在“AI 会不会取代程序员”,而是落到了一个更具体的问题:当产出代码越来越便宜,工程师剩下的价值究竟是什么?

产出差距证明不了人的护城河

为了证明工程师仍然在结果中发挥作用,Glazner 先做了一个反证推演。假设人已经不重要,思考和执行都由 Agent 完成;大家又能使用大致相同的模型和工具,那么不同工程师的产出应该迅速趋同。现实却相反:优秀工程师仍然能得到更好的结果,过去的“10 倍工程师”甚至可能被放大成“100 倍工程师”。因此,人显然还在提供某种东西。

这个推理只能证明操作者仍会影响结果,不能证明影响来自哪里,更不能证明这种影响不会消失。

工程师之间的差距,也可能来自问题背景、工作动机、组织权限、投入时间和使用 Agent 的熟练程度。“100 倍”本身也没有稳定的测量方法。有人在 HN 上直接追问:即使人的经验仍能让结果好一点,这点差距五年后还值不值一份 20 万美元的年薪?人的边际价值仍然存在,与行业还需要同样多的人,是两件不同的事。

没有外包出去的是定义、验证和负责

Glazner 真正列出的优势并不神秘。他会继续追问,直到确认正在解决真正的问题;会判断一个方案是把简单事情复杂化了,还是把困难事情想得太简单;还会考虑两年后谁来维护,而不是只看今天能不能运行。至于那种一眼看出设计“不对”、一眼识别 AI 垃圾内容的感觉,他把它归入难以言传的直觉。

HN 上有人把新的分工概括为“夹心模型”:有人决定做什么,有人负责执行,还有人判断结果是否足够好。Agent 可以吞掉中间的执行层,但开头和结尾仍然存在。

开头不是把一句需求改写成提示词。客户会提出互相冲突的要求,会在开发中途改变主意,也可能要求违法、危险或根本解决不了实际问题的东西。工程师必须把愿望变成约束,识别真正的问题,并决定哪些事情不应该做。

结尾也不是看到测试通过就点击批准。一位评论者讲到,团队让 Claude 补齐测试覆盖率,它却为已经停用、即将重写的功能生成了大量测试,还把 Jenkins 节点的资源耗尽,使原本三四十分钟的测试运行超过一小时后失败。代码在局部上可以正确,放回项目时间表、计算资源和产品计划中却完全错误。

这正是“代码正确”和“事情做对”之间的距离。生产环境发生了什么、客户怎样使用系统、一次错误会扩散到哪里、谁为结果签字,都不能从代码本身推导出来。Agent 获得终端、内部数据和 MCP 工具以后,生成速度越快,错误的爆炸半径也越大。工程工作并没有消失,只是从生产代码转向定义边界、检查结果和承担责任。

工作还在,原来的职业体验却可能已经消失

保留下来的工作未必还是工程师喜欢的工作。

几位资深开发者说,他们现在完成得更多,却比一年前更不喜欢这份职业。过去遇到缺陷时,可以在脑中沿着熟悉的代码结构寻找原因;现在遇到技术问题,第一步常常是把问题转给 Agent,再根据经验解释它的回答。有人把这种新角色称为 Senior Agent Babysitter,也有人说自己像在照看一群能力很强、却需要不断引导的孩子。

这不是简单的怀旧。亲手实现系统的过程,也是在建立对系统的理解。把实现外包出去以后,人可以更快抵达目的地,却不再熟悉沿途的每一块石头。产出增加了,系统在自己脑中的模型反而变薄了。当下一次决策仍要依赖 Agent 解释上一批 Agent 生成的代码时,监督者究竟还掌握多少独立判断力,就成了新的风险。

也有人得到相反的体验。Agent 在后台处理机械工作,让他们终于能推进过去因为成本太高而放弃的项目。HN 用户 simonw 在回复中提出,真正的“100 倍工程师”不该是不理解系统的人,而应该借助 Agent 承担更大项目,同时仍然能解释系统如何工作、讨论取舍并作出有根据的决定。这条线也许会成为高级工程师与单纯 Agent 操作者之间的新分界。

经验会不会成为最后的护城河

Glazner 把工程判断追溯到“涌现”和 Michael Polanyi 所说的“默会知识”:我们知道的,比能够说出来的更多。一次失败、一次谈话、几年前做错的决定,连同恐惧、欲望和职业自尊,共同塑造了一个人看待问题的方式。模型可以读完关于某件事的全部资料,却没有真正经历过它。

但这并不是一条稳固的边界。评论中有人指出,强化学习和后训练恰恰是在把无法写成规则的反馈转化为行为。只要环境足够丰富,Agent 也可能获得某种默会知识。模型通过庞大的权重网络直接给出答案,又无法完整解释答案如何形成,这在形式上已经很像人类所谓的直觉。

“我们还不能解释意识”同样无法推出“机器永远不能拥有相关能力”。人类并不理解所有药物为什么有效,却不妨碍药物发挥作用。工程师的经历目前确实有用,但把它提升为永久的物种优势,证据还不够。

更现实的问题是,即使判断力仍属于人,它也会被复制和贬值。一个人用多年形成的品味,另一个人可能只用一个下午和一些 token,就让模型模仿出大部分表面结果。过去的卓越变成今天的平均水平,卓越的门槛只能继续向上移动。

代码便宜以后,昂贵的是后果

软件工程不会因为代码生成接近免费而自动消失。公司不会为了省下每月几十美元的订阅费,就愿意自行维护所有内部软件;客户也不会因为能和 Agent 对话,就突然喜欢定义需求、测试边界和处理故障。生成代码的成本只是软件成本的一部分,可靠性、升级、安全、支持和问责仍然存在。

但行业需要的人数、技能和职业形态很可能都会改变。只负责领取任务、按要求实现代码的岗位会被压缩;能在模糊需求、真实约束和长期后果之间作判断的人会留下。留下来的人也未必继续以写代码为中心,而会越来越像问题定义者、系统审查者和风险负责人。

这并不能回答工程师会不会最终被取代。它只能给出一个更接近当下的判断:人的价值暂时不在敲出多少代码,也不在比模型记得更多,而在知道什么值得做、什么已经做错,以及结果出问题时不能把责任推给下一次生成。

Agent 可以让代码变得廉价,却还没有让后果变得廉价。


资料来源