这两个月我越来越强烈地感觉到一件事：
写代码这件事，正在迅速失去它过去那种“稀缺工种”的地位。
不是说工程师要消失了，也不是说软件不重要了。恰恰相反，软件会变得更多，代码会变得更廉价，真正贵的东西会慢慢从“手写代码的速度”转向“定义问题、组织约束、验证结果的能力”。
换句话说，AI 正在吃掉“写代码”这件事里最容易规模化的部分，但软件工程里最难的那部分，反而被放大了。
这可能才是接下来几年最真实的变化。
一、代码会越来越多，但“会写代码”不再天然值钱
过去我们判断一个工程师强不强，常常会看几个显性指标：
- 会不会很多语言
- 写代码快不快
- 能不能独立把一个功能堆出来
- 遇到需求能不能很快开干
这些能力当然还有价值，但它们的含金量已经开始下滑。
原因不复杂。以前代码产能是稀缺资源，一个功能从想法变成实现，需要大量人工翻译。现在这层翻译工作，越来越多可以交给 Agent 来做。你描述需求、补充上下文、指出问题，它就能连续地产出实现、测试、重构甚至 PR。
这意味着什么？
意味着“能不能把代码写出来”，正在从门槛，变成基础设施。
以后很多团队真正缺的，不再是那个能把功能硬敲出来的人，而是那个能判断：
- 这个功能到底该不该做
- 应该先做哪个版本
- 该怎么拆，才适合交给 Agent
- 结果要用什么标准验收
- 出问题时，应该怪模型、流程，还是架构
代码仍然重要，但代码本身不再是最稀缺的资产。
二、AI 最擅长的不是“创造”，而是“在约束里高速填空”
很多人一上来就对 AI 编程失望，本质上是给错了题。
他们让 Agent 去做的是：
- 从零发明一个产品
- 在没有清晰边界的业务里自由探索
- 接管一个没有测试、没有文档、风格混乱的老项目
- 用一句话把一个复杂系统全做完
这种用法当然容易翻车。
我现在越来越认同一个判断：
AI 编程最强的场景，不是无中生有，而是在清晰约束里高速推进。
什么叫清晰约束？至少包括四样东西：
1. 有参照物
有现成实现、现成 API、现成规范，哪怕只是一个旧版本代码库，都会让 Agent 的成功率暴涨。
2. 能自动验证
测试、类型检查、Lint、CI、浏览器回归，这些不是锦上添花，而是 Agent 的“护栏系统”。
3. 有架构蓝图
不是把一坨需求丢过去，而是先把模块边界、任务顺序、接口约束讲清楚。
4. 有人持续把控方向
Agent 很能干，但它没有真正意义上的“负责感”。它会非常自信地做错事，也会在错误路径上越跑越远。这个时候，方向盘必须在人手里。
所以我更愿意把 Agent 理解成一种超高产的执行层，而不是自动替你思考的产品负责人。
它能把路跑得很快，但路往哪儿修，还是得人来定。
三、软件工程没有消失，只是从台前退到了后台
很多关于 AI 编程的讨论，最大的问题是把“写代码”和“软件工程”混成了一件事。
其实不是。
写代码更像施工。软件工程更像：
- 需求澄清
- 边界定义
- 架构设计
- 质量控制
- 风险隔离
- 可维护性决策
- 线上问题的追责与回收
以前因为“施工”本身太贵，大家会误以为工程师最核心的价值就在施工。现在施工成本被压下去之后，后台那一整套东西就会重新浮出水面。
这也解释了为什么很多人会产生一种错觉：
明明 AI 已经能写很多代码了，为什么团队还是没有变得轻松？
因为代码生成只是把产能瓶颈打掉了，但没有自动解决另外几个更难的问题：
- 方向是不是对的
- 代码是不是可靠的
- 系统是不是可维护的
- 团队是不是知道自己在优化什么
甚至恰恰相反，代码变多之后，这些问题会更快暴露。
如果以前一个团队每周只上线 3 个改动，现在变成 30 个，那测试薄弱、文档失真、架构混乱、隐性技术债，都会被迅速放大。
AI 不会自动拯救工程差的团队。很多时候，它只会让问题更早爆出来。
四、真正稀缺的能力，正在从“实现”转向“编排”
我觉得接下来会越来越明显的一件事是：
工程师的角色，会从代码实现者，慢慢转向问题编排者。
这里的“编排”不是一个时髦词，而是一组很具体的能力：
- 把模糊需求拆成可以执行的小任务
- 识别哪些任务适合交给 Agent，哪些不适合
- 给 Agent 提供足够但不过量的上下文
- 设计反馈闭环，让它能自我修正
- 在关键节点做判断，而不是在每一行代码上耗死自己
说白了，未来强的工程师，不一定是那个最爱手敲代码的人，而更可能是那个最会组织一整套人机协作系统的人。
这听起来有点像管理，但又不完全是传统意义上的管理。
它更像是：
你在管理一个会写代码、会犯错、会胡扯、但也会给你巨大产能红利的数字团队。
如果你只会亲自上手，不会拆问题，不会定标准，不会验结果，那你的优势会越来越薄。
反过来，如果你能把问题讲清楚，把约束讲清楚，把验收讲清楚，你会发现自己能调动的“执行力”突然变大了很多。
五、对普通工程师来说，最现实的变化是什么
我觉得接下来最现实的变化，不是“所有人都会失业”，而是行业对工程师的期待会被整体上调。
以前一些属于资深工程师的能力，正在提前变成通用要求。
比如：
- 能不能独立定义任务边界
- 能不能读懂并维护测试体系
- 能不能对架构做出最小但正确的判断
- 能不能识别 AI 生成代码里的伪正确
- 能不能在速度和质量之间做取舍
这对新人会更难，对只习惯执行工单的人也会更难。
但它也未必全是坏事。
因为 AI 把很多机械性的编码劳动接过去之后，人的成长路径也许会被迫前移：更早接触系统思维、更早面对产品和工程的交叉地带、更早理解为什么“把问题想清楚”比“把代码敲出来”更重要。
真正危险的，不是不会写提示词。
真正危险的是，到了 AI 时代，还是只把自己理解成一个接需求、敲实现、交工单的人。
那种角色，不是明天就消失，但它的议价能力大概率会越来越弱。
六、最后
我现在的看法很明确：
AI 不会让软件工程消失。
它会让“写代码”这件事变便宜，让“工程判断”这件事变昂贵。
代码会继续爆炸式增长，软件也会越来越多。真正决定差距的，不是谁能多打几行字，而是谁能在更复杂、更高产的系统里，依然保持清晰的方向感。
所以如果要问，AI 时代最稀缺的工程师是什么样的人？
我会给一个很朴素的答案：
不是最会写代码的人，而是最会把问题说明白、把约束搭起来、把结果验清楚的人。
这类人，未来不会更便宜，只会更贵。