[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"$fHvHjOCBCzEN4xFMhrjJ8K10FvClQa2qIszjmfJw-yeU":3},{"item":4,"related":51},{"id":5,"type":6,"title":7,"slug":8,"summary":9,"body":10,"coverUrl":11,"productScreenshots":12,"productLinks":13,"authorName":14,"authorUrl":15,"authorSubject":16,"category":17,"tags":22,"sourceLabel":39,"sourceName":40,"sourceUrl":41,"status":42,"seoTitle":43,"seoDescription":44,"canonicalUrl":45,"isFeatured":46,"sno":47,"sortOrder":48,"publishedAt":49,"updatedAt":50,"createdAt":50},"01d2808d-6efb-422a-b1f8-aeaf3f993949","article","AI 编程会让程序员消失吗","will-ai-coding-replace-programmers","AI 会让样板代码和部分重复工作更便宜，却不会自动承担需求、架构、风险和长期维护责任。本文从代码之外的系统工作出发，解释程序员的重心为什么会从逐行书写转向定义、验证和负责。","“AI 编程会不会让程序员消失？”这个问题很容易把讨论变成二选一：要么人类继续逐行写代码，要么模型接管全部开发。更接近现实的变化是，程序员的工作重心会移动。写出一段能运行的代码变得更便宜，定义问题、判断取舍、验证结果和维护系统反而更重要。\n\n## 代码只是软件的一部分\n\n一个产品能上线，不只需要函数和页面，还需要明确用户是谁、数据能否使用、权限怎样划分、失败时如何恢复、上线后如何监控，以及团队如何在几个月后继续修改。AI 可以生成很多实现候选，却不能自动知道哪一种符合组织目标、法律约束和真实用户的习惯。\n\n即使模型给出的代码大部分时候看起来正确，也可能存在语义错误、漏洞、依赖风险和隐含维护成本。GitHub 的负责任使用说明明确提醒，生成代码可能在语法或语义上不正确，因此仍需要测试、漏洞检查和人工判断。\n\n## 哪些工作会先被重新定义\n\n样板代码、简单页面、常见接口和基础测试，最容易被自动化。新人过去通过重复实现熟悉框架，未来可能更多通过阅读、修改和验证 AI 生成的代码来学习。初级岗位不会简单地变成“消失”，但评价标准可能从打字速度转向问题拆解、调试和沟通。\n\n中高级开发者的工作也会改变。模型可以扩大一个人的执行范围，但架构边界、数据模型、权限体系和故障处理仍需要经验。一个会让 AI 写代码、却不会检查系统后果的人，可能比一个写得慢但理解边界的人制造更多风险。\n\n## 人类更像什么角色\n\n未来的程序员可能更像产品和系统的翻译者：把模糊需求拆成约束，把复杂系统拆成可验证的任务，把模型输出转化为可以维护的变更。这个角色仍然需要编码能力，只是编码能力不再等于记住最多 API，而是能读懂实现、发现错误、选择合适抽象并让系统长期稳定。\n\n还会出现更多“工程治理”工作：建立测试与发布门槛、管理模型和依赖版本、审查数据与许可证、设计 Agent 权限、追踪生成代码的来源。代码生产越自动，验证和责任链越不能缺席。\n\n## 真正的分水岭是判断力\n\n可以把 AI 看成一位速度极快、知识广泛但会自信犯错的助手。它能给出十个方案，却不会替你承担错误的用户体验和线上事故。好的开发者要学会提出可验收的问题，让模型先说明假设，使用 Git 保留变化，用测试和审查寻找证据，再决定是否接受。\n\n这也意味着编程教育需要变化。除了语法，还要训练需求分析、数据建模、调试、网络安全、可访问性、性能和协作。一个能解释“为什么这样设计、失败会怎样、如何回滚”的人，比一个只能快速生成代码的人更难被替代。\n\n## 一个更现实的结论\n\nAI 不会让“写软件”消失，它会让一部分写软件的方法变得不再稀缺。人的价值会从亲手生产每一行字符，转向选择值得解决的问题、建立可靠的系统、验证模型结果，并对最终影响负责。\n\n所以，对程序员最有用的准备不是与 AI 比谁写得快，而是把自己训练成能驾驭速度的人：知道何时放手让模型执行，何时暂停确认，何时拒绝一个看似方便却不可控的方案。\n\n## 来源\n\n- [GitHub Copilot：负责任使用](https:\u002F\u002Fdocs.github.com\u002Fen\u002Fcopilot\u002Fresponsible-use)\n- [GitHub Copilot：IDE 中的 Agent mode](https:\u002F\u002Fdocs.github.com\u002Fen\u002Fcopilot\u002Fhow-tos\u002Fchat-with-copilot\u002Fchat-in-ide)\n- [GitHub Copilot：Cloud Agent 风险与缓解](https:\u002F\u002Fdocs.github.com\u002Fen\u002Fcopilot\u002Fconcepts\u002Fagents\u002Fcloud-agent\u002Frisks-and-mitigations)","\u002Fuploads\u002F2026-09-13\u002Fa1a3bf3f-3cb9-4495-8e67-826749af0073.jpg",[],[],"Foundit","https:\u002F\u002Ffoundit.cn","foundit-ai-editorial",{"id":18,"name":19,"slug":20,"description":21},"6179d3b6-dc34-4483-9ded-3cd9f1b37a47","科普","abbreviation","介绍各领域新兴概念",[23,27,31,35],{"id":24,"name":25,"slug":26},"0848beb4-db26-4fb8-b391-f852a11be192","AI编程","ai-coding",{"id":28,"name":29,"slug":30},"88d2bc27-0e0f-468a-b907-2991cb97b87b","人工智能","ai",{"id":32,"name":33,"slug":34},"144abe77-0dc6-4f66-a176-20bddb1c0bfa","编程","coding",{"id":36,"name":37,"slug":38},"68cedb55-2cac-412f-8f81-fda8c7d686dd","思考","thought","GitHub Copilot 官方资料","GitHub Copilot：负责任使用与 IDE Agent mode","https:\u002F\u002Fdocs.github.com\u002Fen\u002Fcopilot\u002Fresponsible-use","published","AI 编程会让程序员消失吗：工作重心正在怎样变化","从代码、系统、验证和责任链出发，解释 AI 编程会改变哪些开发工作，以及为什么判断力和工程治理仍不可替代。",null,false,44,0,"2026-09-13T00:00:00.000Z","2026-09-13T11:56:05.061Z",[52,60,68],{"id":53,"type":6,"title":54,"slug":55,"summary":56,"coverUrl":57,"authorName":14,"sno":58,"publishedAt":49,"createdAt":59},"190a2a0d-4b47-40f7-902a-00ac69ce1b15","AI 编程时代，为什么 Git 和 Pull Request 更重要了","ai-coding-git-pull-request-safety-net","AI 让改动出现得更快，也让变化更难凭记忆追踪。本文解释小提交、Pull Request、自动检查和人工批准如何把 AI 编程变成可比较、可验证、可回滚的协作流程。","\u002Fuploads\u002F2026-09-13\u002F95ac3b51-0915-4200-8130-4ba3195fd935.jpg",40,"2026-09-13T11:56:01.900Z",{"id":61,"type":6,"title":62,"slug":63,"summary":64,"coverUrl":65,"authorName":14,"sno":47,"publishedAt":66,"createdAt":67},"3e2a7e9e-a123-4ed6-b886-455e76649df1","AI 编程为什么需要“证据链”？","ai-coding-evidence-chain-logs-tests","AI 说“功能已完成”只是声明，真正可靠的结果还需要 diff、终端日志、测试结果和真实操作共同证明。本文解释不同证据能说明什么，以及如何设计任务收尾模板。","\u002Fuploads\u002F2026-09-14\u002F34be8dc4-3692-47ab-8f7c-226dd203c805.jpg","2026-09-14T00:00:00.000Z","2026-09-14T11:00:03.458Z",{"id":69,"type":6,"title":70,"slug":71,"summary":72,"coverUrl":73,"authorName":14,"sno":74,"publishedAt":75,"createdAt":76},"a2052bdb-8828-4c3c-8393-36172844bc57","一个 SKILL.md 如何让 AI 学会一套可复用工作流？","agent-skills-skill-md-workflows","Agent Skills 把一套工作方法打包成包含 SKILL.md、脚本、参考资料和资产的目录。本文解释 Skill 与 Prompt、MCP、AGENTS.md 的区别，拆解渐进式加载和可执行脚本，并讨论技能包的安全边界。","\u002Fuploads\u002F2026-09-08\u002Fea16f4b5-cdb3-4d44-8bb2-4e07bbe90ee7.jpg",46,"2026-09-08T00:00:00.000Z","2026-09-08T03:19:24.073Z"]