程序员真正的危机：不是被AI取代，而是沦为流水线质检员

Meta FAIR 刚刚公布的 ProgramBench 测试中，9个顶尖AI模型试图从零开始重建200个真实软件项目，结果无一通过。

然而，就在同一个月的 SWE-bench Verified 测试里，AI修复Bug的准确率却已超过了72%。

同样的AI模型，修Bug表现优异，但要从头搭建系统却显得力不从心。

这组悬殊的数据让整个技术界陷入了深深的困惑。

2025年2月，Andrej Karpathy提出了一个新概念——Vibe Coding。

这个词之所以爆火，

归根结底是因为它精准描绘了当下的现实。

不懂正则的产品经理能搞定复杂文本匹配，没碰过React的后端也能用Cursor搭建前端页面。过去需要专业技能才能跨越的门槛，正在被迅速填平。

然而，这仅仅是"冰山一角"。

早在1986年，Frederick Brooks就将复杂度划分为两类：偶然复杂性和本质复杂性。

语法记忆、接口调用、冗余代码、环境配置——这些偶然复杂性，AI确实处理得非常完美。

但需求的不明确、系统边界的界定、模块间的耦合关系——这些本质复杂性，AI完全无法触及。

会写代码与能搭建系统之间，隔着完整的软件工程体系。

如今许多程序员的日常工作模式是：AI生成代码→人工复核→调整指令→AI再生成→人工再复核。

这绝非驾驭AI，这不过是在充当AI流水线的质检员。

眼下看似无碍——AI生成的代码大部分没问题，你的复核也大多能过关。

但长此以往，工作中“创造”的比重会越来越低，“审核”的比重会越来越高。

你或许能分辨优劣，却越来越无法亲手创造优秀。

你正在从匠人蜕变为鉴赏家。

更令人担忧的是，随着AI自我纠错能力的增强，“人审AI”的环节终将被淘汰。

靠审核AI输出度过了三年的人，一旦脱离AI，将一无是处。

历次技术革命从未直接取代人类。

马车变成了汽车，让人能走得更远；算盘变成了计算机，让人能算得更精。

AI也是如此，它取代的并非人类本身，而是人类不愿承担的琐事。

真正的隐患不是“AI会不会导致失业”，而是：你每天的工作里，有多少是你发自内心想做的，又有多少是AI强塞给你的？

拥有目标的人，AI是得力助手；迷失方向的人，AI只是流水线。