[!NOTE] 202607 update 我绝对不会意料到, 这速度这么快, 快到我没有一点预料, 这洪流就已经将要把我淹没了 看到半年多前我说的那些话突然觉得自己非常🤡, 我已经按照最大的速度去推测 ai 的发展速度了, 但是还是太慢了

Coding

什么是悲哀的

  • 整个白领行业, 只要是对着电脑的, 无论是程序员还是什么其他的职业, 未来5年内至少裁员30%, 大逃杀要开始了
  • junior 到 senior的路子断了, 一个目前看起来现在唯一还能力

关于 OpenClaw

openclaw 会给那些不懂 ai 的人一种未来已来的感觉

  • 实际上作用不大, 更多事卖 token的, 烧 token 速度到了一个非常恐怖的地步, 功能上和开了 cron 的 claude code 没什么太大区别
  • 唯一的好处就是可以消息上直接连接 ai 了, 让普通人有更加定制化的感觉, 实际上并没有什么革命性创新, 甚至还不如豆包手机

VibeCoding

  • 在最近两个周末我尝试进行了两天的 vibecoding, 高强度的 vibecoding,超过 2亿 token 消耗, 确实有了挺过感受和思考

  • 现在互联网上到处都是 ai 要替代程序员的说法, 但是我去真正调研和观察我的同事和相关从业人员的时候, 却发现 ai 的渗透率比我想象的要低, 至少在我们真正工作上 coding, 起作用的大多时候还是 类似 copilot 这类的工具而非是 cursor/cluade-code 这种 vibecoding的工具

    • 实际上我发现一件事, 那些开源项目或者说小公司的项目，他们通常会觉得 AI 是一个非常有帮助的工具，甚至可以说能完全替代程序员, 但是实际上针对于大厂，类似字节、腾讯这种的员工来说，当他们真正使用这 AI 的时候，他们会发实际上 AI 能发挥的功能是非常有限的(从我的角度观察到的, 比较主观)
    • 但我其实比较幸运，我首先本身是大厂的员工，因此我能接触到那些动辄十万乃至百万行的代码。以及我同时在维护着很多开源项目，包括在改写一些自己的小项目之类的，因此我也有需求是去写小项目的。这就给我非常好的机会去体验不同的场景

  • 实话实讲，我确实被震惊到了，AI 发展的速度确实是指数级的。现在的 ai 和 22年出 gpt3.5 简直不能同日而语, 现在给我的震撼能和 3年前带给我的相媲美

  • 我用 ai coding 尝试主要是在这几方面

    1. 小型开源项目的修改
    2. 大型开源项目的修改
    3. 大型工程项目的修改(公司项目)
    4. 产品 MVP 版本实现

  • 使用的工具主要是

    • qwen-cli
    • vscode+cline
    • gemini-code
    • claude-cli

    没用 cursor 是因为这玩意太过分了, 现在居然自定义模型都得加钱, 吃相难看, 也没见多大的不可替代性

  • 使用的模型主要是

    • qwen
    • gemini2.5
    • claude
    • glm4.5

  • 我的模式基本都是非必要情况完全不读代码, 基本完全不写代码, 只负责提出要求,和验收成果

感受

AI 目前能做的

  • AI 使得成为独立开发者的成本触底了, 你只需要懂得任何一门语言, 你就可以免费让 ai 去给你将脑海里的idea 实现出来, 基本上成本为 0, 当然除非你 idea 太复杂, 否则都是一件非常简单事, 你可以用一张产品图让 ai 做一个满足功能的 app, 前端就更加简单了, 以前你需要找程序员来进行开发, 如果你有了个 idea, 涉及多个方向的你还得找全栈程序员, 现在你只需要上点技巧说出你的梦想, 当然如果你本身是个程序员懂点代码, 这个会更加简单
    • 我周末就用 ai 写了非常多的我的项目的前端网页官网, 基本每个几分钟就行, 因为我不是前端工程师, 我虽然也能写, 但是很麻烦, 现在完全没有这些考虑, 现在基本上就是这部分完全 ai 生成. 在4年前我做这些的时候基本上都是找个模板抄下来然后自己去改里面的文字和链接, 现在我截个图复制个链接给 ai , ai 也能搞出一模一样的出来
    • 绝大多数的大学生作业之类的都是这类小型的玩具系统, 这种 ai 表现非常好
  • 小型项目的修改基本上ai 可以完全解决, 我用 ai 给 GitHub - chenxuan520/MKOnlineMusicPlayer: 这个项目加上了收藏列表和评论详情这些功能, 项目是 php 写的, 我不懂 php, 但是实际上加这些功能我基本看都没看过代码, 全都是 ai 自己加上去的, 这样的 case 很多, 现在很多小型开源项目我们想加一些功能的时候基本上都完全可以自闭环所有修改, 不用等着作者大大去实现 GitHub - chenxuan520/newsnow 包括这个项目也是, 现在修改一个项目的成本非常低了

AI 效果还很差的

  • 当单个项目大于 10w 行时候(当然这个估计并不准确，我只能够根据经验来进行一个初步的预估), 当项目存在非常多的历史业务逻辑 , 当项目存在非常多上下游的未知依赖的时候(上面这几个条件实际上就是企业级大规模项目) , ai 的表现是非常灾难的表现
    • 整体代码理解力变弱非常多, 可能本质是没办法直接使用 lsp 的原因, 重构基本上每次都会漏改一些代码, 以及经常是 AI 会陷入一些不停的自循环搜索，或者说一些其他的一个问题，经常会把你的代码给改崩。
    • 业务逻辑基本上不会改, 基本上属于你让他改一个地方他改了之后并不能发现其他地方会因为这部分导致崩溃, 基本上改着改着问题越改越多了, 代码质量非常差, 基本上是史山
    • 上下游依赖接口的时候也不会自己去拉上下游的接口文档来看, 基本上属于自己猜测来进行修改的
  • 目前AI 的上下文长度还是不足以支撑编写大型项目。我当时编码时候用的是100万上下文的。Gemini 2.5模型，但是实际上还是不够用，还是会有超越100万上下文的情况。而且当上下文逼近 90% 的时候就已经完全是乱输出了, 幻觉现象会非常严重

AI 发展的方向

模型

当年互联网之所以能够突发猛进发展起来，有一个很重要的原因就是网络从2G 变成4G 了，更大的带宽承载了更多的流量，这是整个互联网能够蓬勃发展的基石和底座, 使得流量可以承载视频流的出现。而现在 AI 的时代，模型的质量就是曾经的网络的速度

更大

  • 更大的上下文, 没有更长的记忆力, 更长的上下文或者缓存, 基本上大型项目就是痴人说梦, 很简单, 超过 10w 的代码库理解难度是真的比任何一本书大的
  • 更加聪明的模型, 现在基本上几乎每家大模型都在往这个方向发展, 让自己变得更加聪明, 让自己能够承载更多的业务, 让自己的模型标准成为行业的标准

更小

  • 参数轻量化, 我们现在日常生活中反而见到一些场景的机器人比较少的一个重要原因是, 目前 本地跑大模型成本太高了, 没办法压缩到一个 1w的诊疗台机器人能够跑的起的程度, 跑不了必然需要联网, 但是联网涉及到的问题就会非常多, 隐私以及断网情况下解决, 所以目前让模型变小+二次训练成某个方向的机器人也是一个非常热门方向
  • api 价格便宜化, 三年前我觉得 200w 的token 非常多, 基本用不完, 毕竟每天不停聊天也用不了多少, 现在 vibecoding 10分钟吃了 一千万, 两天吃了一个亿的 token, token 怎么都不够用(现在在项目里面用 cli说个 '你好' 都吃10w的token), 这种情况下太高的 token 价格意味着性价比会非常低

应用

10年叫做 互联网+万物, 20年就是 AI+万物

  • 现在 'ai+' 的产业全面铺开但是还没全面见效, 就和当年互联网刚开始一样, 但是现在已经出现无数的 ai+ 的创业公司, 无论是 ai+机器人, ai+化妆镜 , ai+衣服试穿, 没有人知道某条路能否走通, 但是毫无疑问的是 'ai+' 这个产业确实会极大程度地影响我们的生活, 几年前 gpt 刚出现时候鲜有人会想到我们现在听的歌是 ai的, 看的视频是 ai生成的,图片是 ai生成的, 评论是 ai写的, 小说也是 ai 生成的, 代码也是 ai 写的, ai 在大家没注意到的角落已经占领了非常多的领域, 养活了非常多的人. 十年前有句话叫做 知先觉经营者；后知后觉跟随者 ；不知不觉消费者 , ai 毫无疑问是目前这几年最大的风口, 只是绝大多数没意识到这件事的人都不知不觉成为了消费者
  • 但是现在不得不承认, 最好的模型依旧在美国, 无论是 gpt5 , claude, gork ,gemini 对国内模型都是断崖式领先, 但是 qwen 和 deepseek 很大程度上拉高了模型的下限, 所有不如这两款的模型的闭源模型都死了, 因为人家比你好用还开源, 但是上限很明显能感觉到差距, 目前国内 ai 使用覆盖率最高的 doubao 连生成个 crontab 都能做错, gpt5 已经开始揣测用户心思并询问用户是不是需要更多的信息了

对行业的冲击

  • 十年前滴滴的出现使得不会用滴滴的出租车司机几乎绝迹, 十年后 ai 的出现使得程序员和十年前的滴滴司机一样的处境, 如果不会用 ai 就不可避免出现落后乃至淘汰的风险
    • 当然我不去卖课我也不希望任何人去买 ai 的课程, 纯粹智商税, 买ai 的课程还不如让 ai 教你怎么用 ai, 以及用户层面的上下文重要性会变得越来越弱
  • 滴滴不会淘汰所有司机, 只会淘汰不用滴滴的司机, ai 也是一样, ai在可见的范围内无法完全替代程序员, 原因主要以下几点
    1. 实际上做程序员的都知道, coding 是整个工作最轻松的部分, 更多的是去了解业务逻辑, 历史逻辑, 和产品测试扯皮, 出问题了背锅, 但是现在及时是这俩面最简单的 coding 的部分 ai 依旧做的还不够, 正像我上面提到的 ai面对大规模代码时候的无力感, 如果你现在做的东西 ai 能提供非常非常大的 coding帮助, 甚至替代你的位置 , 这只能说明你现在做的系统还不够复杂. 当然这部分是 ai 最容易实现的部分
    2. 其他的方面目前 ai 渗透率更加低了, 比如 ai 还不会遇到不懂的代码上 git blame 查谁写的然后一个电话打过去问当时怎么堆出来的, ai 也不会主动去搜索两年前的业务文档看下这玩意是什么意义, 这种情况下写业务代码几乎是不可用的, 本质上还是因为 ai 没有长期学习的记忆能力, 上下文再长还是不够, 毕竟现实世界的上下文几乎是无限的
    3. ai 现在还不会拒绝 , 也还不会从高内聚低耦合的角度去思考代码, 也就是不会考虑代码的维护性, 一个产品, 做个 MVP版本出来 ai 能做的很快, 但是你用ai迭代 1年之后会变得痛不欲生, 什么需求都能做,不在乎是否合适, 什么代码都能加, 先跑再说, 到最后的结果是,某一天加功能的时候发现怎么加都加不上了, 出现上面代码复杂度过高的情况了
    4. ai 对大型项目掌控力变弱, 或者应该这么说, ai 对架构层面上的设计还不够, 让 ai 写一个微服务/小系统容易, 但是让 ai 做一整套系统的情况下整个架构非常容易失控, 因为 ai 关注的功能目前(26.03)还关注功能实现为主, 没办法考虑这部分未来产品的演进和长期的维护性, 到后面维护的成本会越来越高, 并且 ai 引入临时方案的概率非常高, 或者说 ai 缺乏一个全局观
    5. 安全风险, ai 为了临时实现功能会出现一大堆 hardcode 的代码, 安全性在多次迭代的时候很容易出问题, 这种情况下需要人或者一个外部独立的 agent ai 再次进行二次 review
    6. 还有一点, ai 不能背锅的, 问题代码是使用方承担后果, 这就意味着 ai 必然是程序员的助手而不是替代
  • 但是毫无疑问的是 ai 会淘汰掉 20%-30% 的程序员, 这将是一个缓慢但是持续的过程, 现在基本上所有的大厂都在裁员, 现在大厂的主流风向就是, 让你吐出你的上下文 context, 然后将这部分文档化, 作为大模型的上下文, 将你经常的操作分装成skill 或者 subagent, 这样 ai 就可以直接进行调用学会了一切, 然后 ai 再自己维护自己的 context, 所有初级开发的工程师都会失业, 因为都是 0 context 的情况下我招实习生不如招 ai, 高级工程师依然较为稳定, 因为上面的原因 , 整体代码架构的掌控和业务深度的理解让高级工程师依旧被替代的几率比较小, 但是从初级到高级的路断了, ai 从中间横插一脚, 低于此线的工程师会被直接斩杀
    • ai 会让 程序员的coding 时间减少, 更加聚焦于需求拆解, 业务理解和架构设计, 代码调优上的能力, 而不是单纯的 coding 能力
    • 后端的核心能力会变成
      1. 系统设计能力: 服务的拆分和自责的设计, 整体上来看
      2. 复杂业务建模能力: 从需求到实现的能力, 不合理需求的拒绝
      3. 性能与稳定性治理能力: CPU 优化, 容灾预案建设, 降级熔断方案的建设
  • 所有白领都会被淘汰掉 20%-30%, 白领挣钱无非是依靠自己脑子的知识, 但是现在发现大模型超模了, 它拥有世界最多的通用知识, 他运算起来笔白领便宜(现在的的 token 特别是 doubao 这种几乎就是免费的), 蓝领反而会安全点, 原因很简单, 机器人的损耗价值还是比人工贵很多很多, 一个机器人即使价格再打下来也得几十万, 毕竟整个零件的价格在那, 但是人只需要 3000 一个月, 而且机器坏了损耗了得修, 人生病了还会自己去医, 就是这么现实, 资本永远会选择价值最大化的路
  • ai 会让程序员变蠢, 技术能力退化, 如果你看过刘慈欣的《赡养上帝》 你就知道是什么意思, 当正确答案唾手可得的时候, 大家都会减少思考, 习惯用 ai 写代码, 让 ai 排查问题, 这些坑没有自己经历过的话对代码底层的理解就会不够, 渐渐地从可以让ai来写变成只能让 ai 来写

什么才是我们的核心竞争力

这是我们每一个人都应该深度思考的问题, 当 ai 的车轮碾过, 大浪淘沙之下, 我们到底是在 ai 浪潮的沙滩上晒着太阳感慨着这是个最坏的时代, 还是被 ai 浪潮淹死在海底后墓碑上刻着这是个最坏的时代

  • 是 ai 的使用能力吗? 肯定不是, 因为很简单的, ai 的使用正在变得更加简单, 这部分淘汰掉的只是那些老古董, 而不是真正有心去学的人, 两年前我们还在讨论着万能提示词, 现在几乎没人说这个了, 为什么, 因为 ai 太聪明了, 聪明到连人情世故都能拿捏了, 你的提示词对他反而是累赘
  • 那么是技术能力吗? 肯定也不是, ai 现在比世界上任何一个人了解的知识都要多, 见过的架构比任何人都要多, 我们曾经引以为傲的抽象业务的能力在 ai 看来易如拾芥 , 我们是真的卷不过 ai 了
  • 坦白说, 我也不知道, 因为我们不知道 ai 到底能发展成什么样, 我在24年的时候认为, 22到 24年这两年 ai 的进步速度, 再给 ai 10年也不可能发展到真正能替代我的程度, 后来发现 ai 只用了一年就淹到脖子了, gpt5, gemini3 , opus4.6 的出现直接屠杀了比赛, 我们开始发现, ai 好像有点逆天了, ‘任何一次机遇的缔造，都必将经历四个阶段：看不见、看不起、看不懂、来不及；’ , 曾经一次又一次认为是竞争力的东西在被 ai 一次次碾碎

我们能做的

  1. 关注最新的 ai 进展, 但突破性 ai 应用出来时候第一时间考虑自己能不能用得上并且去尝试, 时刻保持对世界 ai 的敏感性
  2. 主动去思考自己的工作流程中那些是可以用 ai 进行提效的, 当然这一步几乎所有的互联网产品都在考虑. 但是作为一个程序员, 几乎所有的 ai 产品的最前线都是 coding, 如果长时间不在生活中去主动尝试 ai 在目前的应用, 最后的结果必然是渐渐不用 ai, 最后时落后于这个 ai 的时代
  3. 没有人能预知这个 ai 浪潮最终会成为什么样子, 淘汰掉多少人, 每个人都应该保持学习, 保持对技术的敏感度, 给自己留够一年的钱, 不给自己加任何杠杆, 永远让自己保持一个随时换一个行业的能力 , 这样即使时代的这一粒灰落到你头上也不会被这座山砸死