五周、两个开源仓库、九次拦截之后:AI 时代程序员缺的到底是什么

(系列第六篇。前五篇:品牌 AI 可见性实测、完整榜单、一人+Agent 复盘、科沃斯悖论、引擎代际翻转。这一篇不聊测量,聊我自己的位置------一个自认"积极拥抱 AI"的 Java 程序员,五周实测之后,看清了什么。)

先交代五周做了什么

不是思想实验,是真实产出:一套品牌 AI 可见性测量工具(Python 版,开源);一个 Java/Spring 的 MCP server(12 个任务全程 TDD,44 个测试,代码审查修掉 4 个 Important,同样开源);基于 720 条真实 AI 问答的六篇文章;外加一套自己搭的 agent 工程环境(rules/agents/hooks)。

其中 90% 的代码是 Claude Code 写的。 我是那个说"开始"和"确认"的人。

五周前我的问题是:"程序员是不是要没了?"现在我认为这个问题问错了。对的问题是:AI 把什么变得便宜了,把什么变得更贵了,我缺的是哪一块。

六个缺口:每个都对应一次亲历

缺口一:问题定义------agent 能执行 spec,不能 originate spec

整个项目最值钱的决策,没有一个来自 AI:测哪个品类、为什么要分"搜索层/记忆层"、哪个发现能当文章标题。这些变成了 spec,agent 照着 spec 干得又快又好。

缺的不是写代码的人,是写 spec 的人。 而 spec 的质量上限,取决于你对问题域的理解深度------这个东西没有 prompt 可抄。

缺口二:归因与责任------代码对、测试全绿、结论错

项目里最险的一次:代码没错、44 个测试全绿,但一段注释把"glm-4-flash 不联网"归因错了范围------那个 bug 只存在于 Java 版,Python 版的请求从来是好的。两个窗口里的两个 agent 互相不知道对方干了什么,交叉验证靠的是记得上周做过什么的那个脑子。

agent 能发现畸形请求,不能发现错误归因。为结论签名的是人,所以归因审查无法外包。

缺口三:现实的接口------法律、财务、身份

没有外币卡,引擎策略整个改向;发现公司本身做 GEO,商业模式当场调整;API key 泄漏进日志,要自己一个个平台去重置。agent 碰到这些墙时只会说"此操作需要你确认"。

AI 没有法律身份、没有银行账户、不承担违约责任。 这层接口永远是人的。

缺口四:分发与被拒绝

全项目最难的技术问题(跨语言数据契约、并发写入完整性)都解决了;最难的非技术问题------让 100 个人读到------至今没解决。六篇文章总计约 210 次阅读,咨询为零。

写代码 agent 替我干了 90%;发文章、进社群、给陌生人发私信、承受已读不回,agent 替我干了 0%。

缺口五:纵向记忆

"每个季度测一轮,别断"------季度时间序列是这个项目唯一无法被快速复制的资产,它存在的原因是一个人决定持续做。agent 的记忆以 context window 计,职业生涯的记忆以年计。

缺口六:eval------被整个行业跳过的一层

我给代码写了 44 个测试,但我没有任何手段回答:"这周 agent 的产出质量比上周好还是差?"rules 越写越多,prompt 越调越细,全凭手感。测试管代码,eval 管 agent 行为------大多数团队(包括我)只有前者。

这是从"会用 agent"到"能运营 agent 系统"的分水岭,也是我下一步要补的第一优先级。

由此得出的程序员画像

bash 复制代码
③ 拥有层:领域上下文 · 数据资产 · 客户关系 · 时间序列
         (复制不了的存量,越攒越贵)
② 验证层:不信任去验证 · 识别"测试全绿但结论错了"的陷阱 · 敢签字
① 定义层:把模糊的现实问题变成 spec + eval

工作形态 = 一个人类 + 一队 agent + 一套闸门(spec → TDD → review → 签名)

被压缩的是"把清晰需求翻译成代码"的中间层------恰恰是过去十年招聘量最大的那层。往上走(定义/验证/拥有),越走越稀缺;留在这层的,竞争对手不是同事,是每次调用只要几毛钱的模型。

诚实的自我评估

  • 定义层:已实战------spec 是我出的,agent 照着执行了 15 个 commit
  • 验证层:已实战------九次"如果全自动就翻车"的拦截,后三次是我自己揪出来的
  • 拥有层:在建------两个仓库、署名内容、1 月开始的季度数据
  • 短板:eval(技术缺口)和分发(执行缺口)。后者连续四周是我的第一瓶颈,写在这里也算公开立个 flag

给同路人的三句话

  1. 别问"会不会被替代",问"我的下一次产出,签名是谁,资产归谁"。 能力还是那些能力,挂载点变了。
  2. 用一个真实项目把三层各跑一遍。 看十篇文章不如被一次"测试全绿但结论错了"打脸。
  3. 补 eval,趁它还不卷。 规则工程(rules/agents)半年内会卷成红海,eval 意识还远没有普及。

两个仓库都开源(数据格式互通,可复现):geo-visibility(Python) · geo-visibility-mcp(Java/Spring MCP)。你观察到哪些"AI 干不了"的缺口,评论区补给我------我在收集第二十个。

声明:本文涉及的项目均使用公开 API 与公开信息,不涉及本人雇主的数据与系统。

相关推荐
GitCode官方44 分钟前
开源鸿蒙跨平台直播|AI 时代,用 cj-tauri 开发鸿蒙 PC 应用
人工智能·华为·harmonyos·atomgit
老金带你玩AI1 小时前
GPT-6.2更强更便宜了,为什么还有人骂?
人工智能
CyrusYiVPP1 小时前
实测 uv 0.13.7:同一套包,pip 装 94 秒,它只用 19 秒
人工智能·python
泯泷2 小时前
OpenClaw 退潮背后,是 AI 圈“技术自嗨”的终结
人工智能·chatgpt·llm
罗西的思考2 小时前
【轻量化复刻大模型 / KIMI K3】Muon 优化器及 训练系统
人工智能·算法·机器学习
北城笑笑2 小时前
Vue 110 ,若依SSE流式接口限次空500排查与解决
前端·javascript·vue.js·后端·vue
屿华AI2 小时前
AUTOSAR 实战-诊断工具 | 用 Claude Code 开发诊断测试工具:AI 协作开发实践
人工智能·测试工具
程序员韩星2 小时前
OpenAI 兼容接口返回 404,先查请求地址,再查模型名
前端·人工智能·http
ServBay2 小时前
Local harness 将退役,VS Code 本地开发要不要搬到云端?
后端·ai编程·visual studio code