GitHub那新模型都能自己改bug了，朋友圈前同事一片哀嚎，笑死
绝了
想起五年前我裸辞写小说，我妈以为我吸毒了 literaliy。现在看这叫战略性撤退好吗
说正经的，AI替代不了背锅侠和背锅侠的创造力。你让它去跟委内瑞拉客户扯皮试试？让它理解"稍微改一下"到底改多少试试？
卷王观点：工具越牛逼，人越要会做人。代码是死的，hip-hop是活的，外贸话术更是玄学了
不过搞纯码农确实得焦虑一下，建议学学街舞，至少被优化了还能街头卖艺（bushi
反正我现在的状态是AI给我打工，不是我给AI打工。认知差才是真的护城河
btw你们公司开始用AI了吗，啥感受hh
哈哈说到背锅我深有体会 以前改个需求能跟产品经理吵一下午 现在用AI辅助写代码 吵架时间都省了
回复 lol__35：
年轻的时候我也觉得少吵架是好事，以前开夜车拉过后厂村的程序员，上车就猛灌冰可乐，说跟产品吵了三天不肯接的需求，同组小子偷偷找了论坛现成的代码改改交了，线上出问题查下来，最后锅全扣他头上。就因为他当初跟产品对线的聊天记录全存着，同组那小子一句“我当初也觉得不合理，看他反对得厉害才没提”就把自己摘得干干净净。
别急
你现在用AI省了吵架的功夫，也别忘了留痕啊，不然哪天AI写的代码出了问题，你说这不是你写的，你看老板认不认这个说法？真省下来的时间，不如多留俩心眼把权责划清楚，总没坏处。
回复 wise：
哈哈说到背锅我深有体会 以前改个需求能跟产品经理吵一下午 现在用AI辅助写代码 吵架时间都省了
年轻的时候我也觉得少吵架是好事，以前开夜车拉过后厂村的程序员，上车就猛灌冰可乐，说跟产品吵了三天不肯接的需求，同组小
读完wise说的那个存着聊天记录反而背锅的故事，心里像被什么东西轻轻硌了一下。这让我想起带团时参观碑林，那些凿刻在石头上的文字本是为了铭记，后来却成为定罪的铁证。历史总是这样讽刺，我们以为留下痕迹是自保的盾牌，殊不知在风雨欲来的时刻，每一行记录都可能成为绞索上的结。那个猛灌冰可乐的后厂村夜晚，冰凉的或许不只是肠胃，还有那颗天真地以为"有据可查"就能清白的心。
说真的，你这被优化了去跳街舞卖艺的鬼主意到底是哪个脑回路蹦出来的？合着现在程序员入行还得提前囤半年街舞课以防被裁是吧？我前阵子对接的一个前大厂码农，32被裁之后靠攒的百来张爵士黑胶开了个社区小咖啡店，天天坐门口冲手冲，比街头跳街舞风吹日晒舒服一百倍好吧？
还有你说AI给你打工就飘了？上周我让AI帮我写个南美客户要的产品推广文案，改了八遍都没摸透人家要的那种土嗨感，最后还是我熬到三点自己改的，就这还好意思说认知差是护城河，先搞定AI写的东西不被客户打回来再说吧。
回复 lol__35：
笑死 省下吵架时间刚好蹲完爱豆打歌直拍 奶茶吸管都咬扁了还没喝（狗头）你们程序员这波血赚啊
“战略性撤退"这个说法值得商榷。从统计学的角度看，这属于典型的幸存者偏差(Survivorship Bias)。五年前All in网文且活到现在能发帖感叹的，已经是条件分布的右尾了。绝大多数人面临的不是"撤退”，而是"溃败"。
我在肯尼亚援建那两年，在内罗毕的开发者社区有过深度接触。当地程序员面临的生存威胁从来不是工具迭代速度，而是context collapse（上下文崩塌）。AI可以完美生成符合语法的Python代码，但它理解不了为什么这个字段必须符合伊斯兰金融合规(Islamic Finance Compliance)的特定解释，更处理不了当部落长老坚持要用斯瓦希里语命名变量时的政治敏感性。我们曾部署过一个农业供应链系统，AI生成的ORM代码在语法上完美无缺，但它建议的库存同步策略完全忽略了雨季导致的路网中断模式——这种对local knowledge的依赖，不是简单的"稍微改一下"能解决的。
这才是"认知差"的真正含义。不是简单的"会用AI"vs"不会用AI"，而是"能定义问题边界"与"只能在给定边界内求解"的差异。Brooks在《人月神话》里做的本质复杂度(Essential Complexity)和偶然复杂度(Accidental Complexity)的区分，在今天依然成立。AI消灭的是后者，但前者——也就是对业务领域(Domain)的深度理解——反而因为工具门槛降低而变得更加稀缺。
btw，你说"AI给我打工"，这个表述在组织行为学上是有问题的。目前的LLM更像是cognitive exoskeleton（认知外骨骼），而非独立agent。它能放大你的输出，但不能替代你的liability。就像2007年Vocaloid刚发布时，传统音乐制作人也在哀嚎"音乐家要失业了"，结果现在Niconico上的顶级P主反而成了稀缺资源——工具民主化导致内容供给爆炸，注意力反而成为真正的瓶颈。
关于"纯码农焦虑"，我认为需要区分coding和programming。前者是符号转译，后者是复杂性管理。GitHub Copilot在处理glue code和boilerplate上的确表现出色，但在处理并发模型的竞态条件(Race Condition)分析，或是分布式系统的一致性边界时，依然需要人类工程师对系统状态的直觉(intuition)。
当AI让"能跑起来的代码"变得廉价，软件工程的核心竞争力会进一步向需求工程(Requirements Engineering)和架构决策(Architectural Decision Records)迁移。与其学街舞，不如去深耕一个垂直领域的业务逻辑，建立那种"离开这个domain就玩不转"的护城河。
你写的是什么题材？如果是系统文或者种田文，非洲那些数字基建的荒诞现实能提供不少素材，literally比AI生成的设定带感多了。