前言
2019 年左右，一个开发者主要讨论的是语言、框架、微服务、前后端分离。
2022 年以后，AI 的苗头开始愈发茂盛，讨论逐渐变成了 Copilot、ChatGPT。这个阶段的 AI 在实际开发过程中已经能提供一些帮助，但整体能力仍然有限。
2024—2026 年，讨论逐渐转向编程智能体（Cursor、Claude Code、ChatGPT、ZCode、Qoder）、AI Agent、AI-native development。AI 的开发能力发生了明显变化。对于有完整使用经历的开发者来说，日常编码开始变得越来越简单，更多时间被放在与 AI 清晰、明确地交流，以及后续代码审查上。
开发者开始把“生产代码”这件事情本身交给 AI，那么重新审视自身的工作重点，以及未来职业技能的发展方向，也开始变得尤为重要。
开发
目前来看，AI 已经开始影响实际研发过程中的各个环节。
| 工作 |
AI 当前能力 |
替代可能性 |
| CRUD |
很强 |
很高 |
| 单元测试 |
很强 |
很高 |
| UI 页面实现 |
强 |
高 |
| Bug 定位 |
中高 |
中高 |
| Code Review |
中高 |
中高 |
| 架构设计 |
中 |
中 |
| 遗留系统理解 |
中 |
中 |
| 需求判断 |
弱—中 |
低 |
| 责任承担 |
弱 |
很低 |
| 商业决策 |
弱 |
很低 |
可以看到，AI 替代的并不是某一个完整职业，而是职业内部的一部分任务。当越来越多的任务被 AI 替代后，就会进一步出现岗位压缩的情况。
AI 最擅长完成的，恰恰也是 Junior Engineer 日常工作中占比较高的一部分任务。可以预见的一种趋势是，未来公司对 Senior Engineer 的需求占比可能会进一步上升，同时也会越来越希望工程师能够指导 AI、识别错误，并承担更复杂的决策。
如果 AI 持续接手 Junior 的大量基础工作，那么开发者早期积累经验和成长的空间可能会被压缩，长期来看，Senior Engineer 反而可能变得更加稀缺。
现在 AI 已经能够越来越多地参与架构设计，但架构真正困难的地方，并不完全在“设计方案”本身，还包括各种约束、权衡和责任。
在现实开发过程中，常见的问题比如：“公司只有 5 个开发，任务应该如何分配？”、“项目必须在三个月内上线，如何稳定推进？”很多时候真正困难的并不是技术方案，而是如何做取舍、如何平衡。
这也是 Senior Engineer 需要格外关注的能力。
再放大一些视角，组织内部的文化、技术能力，以及应该如何采用 AI、明确 AI 的使用边界，同样非常重要。这部分不应该只依赖开发者个人摸索，组织本身也应该建立明确的规范和共识。
企业
随着 AI 的快速发展，不少公司都开始积极跟进。一些 AI 使用规则相对宽松、内部推进速度较快的公司，也更早享受到了 AI 带来的效率红利。
与此同时，开发团队的人力需求也可能被逐步压缩。同样的项目、同样的时间周期，过去需要更多开发人员参与，而随着 AI 能力增强，未来可能用更少的人完成相同规模的工作。
AI Agent 的兴起，不仅改变了传统的软件开发流程，也催生了一些新的工程岗位，例如 Agent Engineer、AI Engineer、AI/ML Engineer，同时也带来了新的业务需求，例如客服 Agent、知识库 Agent、招聘 Agent 等。
随着 AI 的发展，开发语言之间的边界也开始变得模糊，开发效率提高，软件开发成本不断下降。
一方面，原有的软件开发岗位可能会减少；另一方面，新的软件需求也在不断增加。过去一些因为研发成本过高而无法数字化的业务场景，也开始有机会搭上数字化的快车。
所以这种平衡，不只是出现在 AI 与开发者之间，也出现在市场需求与最佳实践之间。
随着开发成本继续下降，软件能够覆盖的行业和业务场景，很可能会越来越多。
拙见
未来开发者的竞争力，可能不再来自“比别人写代码更快”，而来自“比别人更准确地理解问题，并利用 AI 更快地解决问题”。
开发者正处于适应全新 AI 赋能工作流的转型期。
AI 生成代码的速度，往往会让开发者明显感受到个人工作效率的提高。但与此同时，AI 的广泛应用也可能带来更多软件稳定性和可维护性问题。
因此，开发者仍然需要保持持续学习，不断完善自己在当前环境下的最佳实践和工作流，并持续对它进行调整和优化。
在开发过程中，我们也应该始终明确，软件最终带来的实际价值并不是“代码写得有多快”，而是能否解决真实问题，并为用户提供良好的体验。
当然，在真实的工作场景中，对开发效率影响最大的因素，很多时候并不只来源于个人，而来自整个组织。
要理解如何把 AI 对个人工作效率的提升，转化成组织层面的积极影响，我们需要具备一定的系统思维。
组织与其说是个体与工具的集合，不如说是由相互依存的要素构成的网络。工作会在团队、流程、政策、基础设施以及共享规范之间流动。
尽管个体能力在最终结果中起着重要作用，但整体绩效仍然取决于这些要素之间如何相互作用、彼此配合。毕竟在一个系统中，仅仅改善某一个局部，并不能保证整体结果一定会变得更好。
回到开发者自身，AI 的出现并没有让软件开发失去意义，而是在重新划分人与工具之间的边界。
过去我们更关注如何把代码写出来，未来则需要把更多精力放在理解问题、做出判断、设计方案、审查结果，以及真正把技术转化为价值上。
代码会越来越容易获得，但好的判断、完整的工程能力和对真实问题的理解，依然稀缺。
这或许就是 AI 时代开发者最需要完成的一次转变：从代码的生产者，逐渐成为问题的解决者。
WSMOCHEN