当AI精通编程，这四项技能将更具价值

大家好，我是大煊，一名有几年 Java 经验的后端开发者，目前正转向 AI Agent 领域。

近期阅读了一篇探讨 Slopfix 的文章。

这个由三位资深工程师组成的小组，不协助客户构建新功能，而是专注于整理 AI 产出的代码：合并冗余逻辑、重新组织模块、替换自定义框架，甚至将十几套日期格式化方案精简为单一体系。

许多人视其为新兴商机，而我察觉到的却是程序员价值的重新定位。

AI 已能编写代码，但真正稀缺的，是懂得哪些代码应保留、哪些应剔除的人。

本文并非建议减少 AI 使用。

处理 CRUD、补充接口、调整页面、搭建原型，我也常交给 AI。Vibe Coding 用于测试想法，确实高效且畅快。

但企业级项目并非演示样本。

它需长期运行，涉及历史数据、业务逻辑、权限架构和多人协作。AI 关注的是“当前任务能否执行”，而企业在意的是“半年后是否还有人敢修改”。

因此我相信，AI 时代的开发者，至少需坚守以下四项技能。

AI 了解如何编写退款接口，却不理解退款为何仅限一次；知道怎样删除数据，却不明了某些状态为何必须永久保存。

企业级开发的真正难点，向来不是调用哪个 API，而是将需求转化为业务规则，再转化为领域模型和模块分界。

未来更合理的开发流程应为：

需求 → 业务规则 → 系统设计 → AI 生成代码

设计系统的人，不能仅擅长写提示。

AI 善于解决即时问题。

缺少工具类，它生成一个；发现现有代码难懂，它可能另写一套。局部看，每段代码均可运行；全局看，系统却日渐臃肿。

因此高级工程师的价值，并非让 AI 每分钟产出万行代码，而是判断这万行中，多少本不该存在。

能合并重复逻辑、梳理依赖、重新划分模块，甚至直接移除错误设计，这些重构能力在 AI 时代只会更珍贵。

我现在更倾向将 AI 视为手速极快、知识丰富，但经验欠缺的初级工程师。

它能提供方案，却无需承担后果。

是否抽象？该不该引入第三方库？这笔技术债能否暂缓？一次修改会否破坏事务、并发或数据安全？

这些问题最终仍需程序员决断。

这也是为何数据库、网络、数据结构、事务、并发、设计模式和测试等基础不可丢弃。你可不亲手写每行代码，但必须能识别 AI 编写的正误。

Slopfix 清理代码后，还会交付项目规范、代码检查规则和持续集成流程。

因为核心问题并非 AI 偶尔犯错一次，而是它可能沿错误方向持续产出。

企业不应让 AI 任意发挥，而应将架构决策、业务知识、编码规范、自动化测试、代码检查和 CI 转化为其长期上下文。

不是让 AI 替团队做决定，而是让 AI 在团队制定的规则内运作。

边界清晰、易于验收的小任务，我会放心委托 AI：写重复代码、补文档、改页面、生成测试初稿。

涉及架构、核心业务、数据安全和模块边界之处，我会自行设计、评审和验收。

未来程序员可能无需产出大量代码，但需开始管理整个软件系统的复杂度。

AI 使代码生产日益廉价，也让工程判断愈发昂贵。

真正需担忧的，不是 AI 能否写代码，而是当它生成十万行代码时，我们已丧失判断哪些代码值得留存的能力。

既然读到这里，若觉得不错，随手点个赞、在看或转发，若想第一时间收到推送，也可点个关注⭐～感谢阅读我的文章，下次再会。