2022年的某天，我第一次用GitHub Copilot写完一个完整的函数，然后盯着屏幕发了好一会儿呆。那种感觉很奇妙——既兴奋又不安。兴奋的是，代码像有了自己的生命，我只需要给出提示，它就能自动补全；不安的是，我在想：如果AI能写代码，那我这个写了十年程序的程序员，还有价值吗？
那一年，“AI将取代程序员”的论调第一次大规模出现。GitHub Copilot正式发布，GPT-3的代码生成能力开始被大家讨论。朋友圈里，有人恐慌，有人不屑，有人观望。我属于观望的那一类——我想看看，这到底是怎么回事。
2022：第一次恐慌#
2022年底，ChatGPT发布了。虽然不是专门针对编程的，但它的代码能力让所有人震惊。那时候，我每天都能看到类似的文章：“程序员即将失业""AI能在5年内取代一半的程序员""学编程还有意义吗？”
我记得当时团队里有个年轻同事，真的开始焦虑了。他问我：“halo，我们是不是该转行了？“我告诉他：“先别急，用用看，再下结论。”
那时候我用Copilot的感受是：它能帮我写一些模板代码、重复代码，确实提高了效率。但是，当我需要设计一个复杂的系统架构，或者解决一个业务逻辑很绕的bug时，Copilot基本帮不上忙。它更像是一个”超级代码补全工具”，而不是一个”程序员替代品”。
2023：泡沫与现实的碰撞#
2023年，AI编程工具开始井喷。除了Copilot，还有CodeLlama、Claude、GPT-4，各种工具层出不穷。那一年的论调更激进了：“AI已经能独立完成项目了""不懂编程的人也能开发软件”。
但是，真实情况是什么呢？我观察到的是：
第一，AI确实让写代码变快了。以前我写一个REST API，需要先定义路由、再写控制器、再写服务层、再写数据访问层，现在AI可以帮我生成大部分样板代码。但是——重点来了——我需要花更多的时间去review这些代码，确保它们真的符合我的意图。
第二，AI让初学者能更快地”上手”，但也让他们更容易写出”能跑但很烂”的代码。我review过一些初级工程师用AI生成的代码，表面上功能实现了，但性能、安全性、可维护性都有问题。AI不会告诉你这些，它只会给你”能工作的代码”。
第三，也是最关键的：AI无法理解”为什么”。它能帮你实现功能，但它不知道为什么要实现这个功能。业务逻辑、用户需求、商业目标——这些仍然是人的领域。
2024：新的平衡#
到了2024年，行业开始冷静下来。大家意识到，AI不会”取代”程序员，但会”改变”程序员的工作方式。
我观察到几个明显的变化：
代码审查变得更重要了。 以前，代码审查主要是看逻辑对不对、有没有bug。现在，代码审查还要看”这段代码是不是AI生成的”、“有没有隐藏的性能问题”、“安全性有没有保障”。AI生成的代码，你需要理解它，才能review它。
单元测试变得更简单了。 这一点确实是AI的强项。我现在会让AI帮我生成测试用例的框架，然后我再去补充边界条件和业务逻辑。效率提升至少50%。
原型开发速度快了好几倍。 以前做一个demo需要一两天，现在可能半天就搞定了。AI帮你快速搭建框架、生成样板代码，你可以把更多时间花在”这个产品到底要解决什么问题”上。
但是，架构设计反而更重要了。 当”写代码”变得越来越容易，真正的挑战就变成了”写什么代码”和”怎么组织代码”。系统架构、模块设计、技术选型——这些需要深厚经验的决策，AI目前还做不了。
2025-2026：AI编程的新常态#
现在已经是2026年了。回首这5年，我发现一个有趣的现象：
每一波”AI将取代程序员”的言论出现时，都是AI能力取得重大突破的时候。但是，每一次， reality都比panic更复杂。
2025年，AI编程工具已经成为了程序员的”标配”。就像当年的IDE、版本控制工具一样，不用AI的程序员，就像不用IDE的程序员——不是不能干活，而是效率会低很多。
但是，程序员的岗位不但没有消失，反而出现了一些新的方向：
AI提示工程师（AI Prompt Engineer） ——专门研究怎么跟AI”说话”，让它生成高质量的代码。这听起来简单，但要做好并不容易。你需要懂编程，懂AI的能力边界，还要懂怎么把复杂需求拆解成AI能理解的提示。
AI代码审查员 ——专门review AI生成的代码，确保安全性、性能、可维护性。这个角色需要非常扎实的编程功底，因为你要能看出AI代码里的潜在问题。
业务架构师 ——当”写代码”变得越来越容易，真正的价值就转移到了”理解业务”和”设计系统”上。你需要深度理解业务逻辑，知道怎么把业务需求转化成技术架构。
我的结论：AI改变的是”写代码”的定义#
5年观察下来，我的结论是：AI不会取代程序员，但会改变”程序员”这个职业的内涵。
以前的程序员，核心价值是”能写代码”。现在的程序员，核心价值是”能解决问题”。
写代码，只是解决问题的手段之一。而且，随着AI的发展，这个”手段”会变得越来越容易。但是，“理解问题""设计解决方案""做出技术决策”——这些能力，反而变得更加重要了。
我举个例子。以前，一个初级程序员和一个高级程序员的区别，很大程度上在于”代码写得快不快""bug多不多”。现在呢？AI可以帮初级程序员快速生成代码，但AI不能帮它理解”为什么要用这个设计模式""为什么这个架构更适合这个业务场景”。
所以，高级程序员的价值，反而更加凸显了。
给程序员的建议：现在应该学什么？#
如果你是一名程序员，或者想成为程序员，我的建议是：
第一，不要恐慌，但也不要无视AI。 学会用AI工具，但不要依赖它们。你要能理解AI生成的代码，要能判断它的对错优劣。如果有一天AI真的出了问题，你得能接手。
第二，加强”软技能”。 沟通能力、需求分析能力、业务理解能力——这些以前被很多人忽视的能力，现在变得越来越重要。因为AI能写代码，但它不能跟客户聊天，不能理解业务逻辑，不能做技术决策。
第三，深入学习计算机科学基础。 AI能帮你写代码，但它不能帮你理解算法复杂度、系统设计原则、性能优化思路。这些基础能力，是你在AI时代的核心竞争力。
第四，学会”驾驭”AI，而不是被AI取代。 把AI当作你的助手，而不是你的竞争对手。让AI帮你处理重复性工作，你专注于创造性工作和决策工作。
5年前，我看到的是恐慌。5年后，我看到的是机遇。AI不会取代程序员，但会用AI的程序员，会取代不会用AI的程序员。
这，就是我这5年的观察。