02 · 范式转移：从「写」到「编排与验证」
旧技能栈的中心
很长一段时间，优秀工程师的可见产出是：
- 写得快、写得对
- 记得 API 细节
- 能在脑子里跑完调用链
- 能在编辑器里优雅重构
这些能力不会消失，但 相对稀缺性在下降。模型把大量「机械正确」的实现变成廉价品。
新中心：意图、约束、证据
AI 时代更值钱的动作变成：
| 旧重心 | 新重心 |
|---|---|
| 记住语法与库细节 | 描述清晰的目标与非目标 |
| 亲手写完每个分支 | 设计可验证的验收标准 |
| 本地试错改 bug | 构造最小复现与回归门禁 |
| 代码风格洁癖 | 系统边界、接口契约、失败模式 |
| 个人英雄主义改全栈 | 把任务拆成可代理、可审查的单元 |
一句话：
你会越来越少因为「写不出来」卡住，而越来越多因为「说不清楚」和「验不出来」卡住。
生产力曲线的真实形状
很多人期待的是一条平滑上升线。实际更像：
- 蜜月期：脚手架、CRUD、样板代码爆炸式加速
- 摩擦期：复杂业务、历史包袱、隐含约定让 AI 频繁「看起来对」
- 纪律期：引入规范、测试、评审、权限后，速度重新抬升且更稳
- 分化期：会编排 AI 的人与不会的人，产出差距拉大
团队如果停在蜜月期，会得到：更多 PR、更多半成品、更多隐性债务。
「更快写代码」是错误 KPI
AI 让提交量、行数、PR 数变得几乎无意义。更好的指标是：
- 从意图到可合并的周期时间
- 缺陷逃逸率（上线后/评审后发现）
- 返工率（因误解需求或幻觉导致的重做）
- 可维护性（三个月后新人/AI 能否安全改）
- 关键路径覆盖（有没有真实证据，而不只是「模型说过了」）
如果只奖励速度，AI 会帮你更快地制造混乱。
工作流会重排
典型重排：
以前：想清楚 → 设计 → 实现 → 测试 → 评审 → 上线
现在：粗意图 → AI 探索方案 → 人收敛设计 → AI 实现
→ 自动验证 → 人审关键路径 → 补约束 → 再生成 → 合并
注意两点：
- 设计没有消失，只是更早与探索交织
- 评审重心上移：从「每行语法」到「行为、边界、风险」
代码的「作者」概念在变模糊
当大量 diff 由模型生成、人只做方向与终审时：
- Git blame 的意义下降
- 「谁写的」不如「谁负责它在生产的行为」
- 团队需要新的责任协议：人始终是 owner，AI 是工具
这不是哲学问题，是事故复盘时会撞上的现实问题。
对「经验」的冲击
十年经验有两种：
- 可压缩经验：常见模式、惯用库、标准架构 → 模型很强
- 不可压缩经验：组织政治、历史事故、业务潜规则、性能悬崖、合规红线 → 模型很弱
资深工程师的优势，会从「我写过很多」转向「我知道哪些坑模型看不见」。
一个残酷但有用的类比
AI Coding 之于软件工程，有点像：
- 编译器之于汇编
- 高级语言之于指针操作
- 搜索引擎之于记书页码
每一层抽象都让更多人能做更多事，也让 不懂下层的人在抽象泄漏时更无助。
AI 是目前最陡的一层抽象：它不保证正确，只保证流畅。
下一篇：有效实践