AI 与程序员的未来
2025年了，“再入计算机等于49年入国军”“前端已死，事儿烧纸”之类的消息在网络空间内到处飞，也给许多刚刚入学的新人们带来了不小的压力。
我的个人想法是：AI是由程序员创造出来的，那最了解AI的，也只能是程序员。
所以 AI 会干掉它的创造者吗？我认为相当一段时间内是没有希望的。AI只会淘汰技术老旧、不懂AI的程序员。
会 AI 的程序员，才不会被淘汰
现在的AI当然还不能代替一些经验特别丰富的老程序员。当然，我说的这个“老”是指有相当深厚经验的程序员。
为什么这样说呢？
- 众所周知，程序员到了35岁，精力开始下降，学习能力逐步减弱。虽然有经验，但在新技术高速迭代的冲击下，这些经验反而会体现出劣势。
- 对于AI而言，新技术只是一组普通数据，它的更新速度要比相当一部分码农更快。
- 举个例子，现在去抖音、B站找入门视频，无论播放量多少、更新时间多近，你会发现它们的技术都是落后的。
- 但是同样的问题交给AI，你会明显感觉AI给出的答案是新颖且规范的。
大厂与小厂的区别，以及 AI 的影响
再从另一个视角来看，程序员在大厂与小厂的区别主要有以下几点：
- 技术深度
- 协作能力与分工
- 代码规范
- 技术资源与发展土壤
AI 会怎样影响这些方面呢？
-
技术深度
这也是很多人看衰程序员的原因。AI 在一般复杂度的 CRUD 中能够轻松秒杀初级程序员，这些程序员就是未来最可能被替代的主力。剩下的人，在技术层面相对深度更高，也一定程度上拉近了大小厂程序员的差距。 -
代码规范
代码规范也是大小厂程序员的重要区分标志。小厂项目由于各种原因，有时候是想怎么写就怎么写。
但 AI 的出现减小了这些规范的实施成本。AI 写逻辑可能会因为提示词不同而出问题，但它挑毛病、看代码水平的能力却相当高。
小厂借助 AI 可以快速提升代码规范程度，从而缩小与大厂的差距（虽然仍然存在不小差距）。 -
信息与资源
在 AI 的高速信息获取与代码开发提速下，小厂程序员可以打破大厂在信息资源与时效上的优势，加速自身技术迭代，进一步缩小差距。
AI 时代程序员的发展与变化
全流程开发，大全栈趋势
在AI的帮助下，只要有想法和思路，从设计到产品运营，AI可以全流程辅助实施。
未来小厂的趋势可能是更加全能的全栈开发工程师。前后端、设计、测试、运维等工作可能只需要三两个人的小团队就能完成。
这会：
- 减少成本；
- 让想法更容易落地；
- 但同时也进一步压缩程序员的就业空间。
不过，对中年（35岁以上）程序员来说，AI也可能是焕发第二春的利器。
业务为主，经验为王
年轻程序员与中年程序员的主要区别，在于对业务的理解与拆分能力。
- 同样一个需求，经验丰富的程序员往往能在需求提出时就脑中构建出实施细则。
- 对于AI来说，复杂业务总是不尽如人意。但如果进行拆分，在细小功能上的代码质量会大幅提高。
- 这也是 AI 使用的一大法则：复杂问题要拆分，经验与业务价值也因此更凸显。
- 经验错误的人，通过 AI 的辅助，反而能更快修正并增强自身竞争力。
AI 的学习与应用
如果你是初学者
-
AI 是全能的老师
它的代码水平远高于学校里用过时编译器教过时语法的老师。
AI 写出的代码规范、精准，这会极大加快你的学习速度。
听不懂？让它讲通俗一些。知识不确定？问它就行。不满意？骂它两句再继续学也没问题。 -
学习方式
但要注意：- 如果你的基础不足以独立完成一个简单项目，那就请把所有代码提示关掉。
- 项目完成后再问 AI 它会怎么写，对比学习，规范自己的代码，掌握常见范式。
- 同时练习如何和 AI 一起拆分业务需求。
日常实用技巧
使用AI无外乎三个方面：
-
描述任务（提示词）
- 角色设定：给 AI 一个身份，如“你是资深的…”
- 拆分步骤化：宏观任务要拆分，细节要具体
- 示例引导或思路展开：给 AI 样例，它会更准确
- 格式与约束：通过指定格式或限制，避免跑偏
- 邪修招式：让 AI 给 AI 写提示词，不断修正直到满意
-
长上下文混乱
- 新开对话：清理上下文，但要重新补充限制条件
- 项目文档：写一个 markdown 文件，包含：
- 项目总览
- 核心功能列表
- 技术栈与组织架构
- 功能模块目录与关键 API
- 代码习惯与约定
（要求尽量简短，用最少上下文帮助 AI 理解项目）
-
模型选择与性价比
- 国内模型：A级 Qwen、Kimi2；B级 DeepSeek、豆包；C级 其他
- 国外模型：S级 Claude Code4、GPT-5（推荐）；A级 Gemini2.5；B级 Grok 等
- AI 编辑器：Cursor（顶级，但国内用麻烦）、Trae（性价比高）、Qorder（模型好，但收费不透明）
GEO —— 生成式引擎优化
AI 正在分流搜索引擎的用户，越来越多人直接用 AI 代替百度。
如果你的产品能在 AI 回答中被优先引用，就能获得更多曝光度。
这就是 GEO（生成式引擎优化）。
我个人认为 GEO 的逻辑是：
- 在模型偏爱的内容平台集中发布；
- 用数据“投毒”污染 AI 知识库；
- 从而占据更高优先级。
未来这可能成为新的优化方向，可以适当关注。
总结
总体来说，AI 是机遇，但本质上只是统计学上的经验模仿工具。
我愿意称它为“伪AI”。
这意味着：
- 它根本不可能（至少不经历一次大的技术质变就不可能）替代复杂业务程序员；
- 它确实能让部分岗位节省人力，从而加剧竞争；
- 最终的竞争仍然是人与人的竞争。
AI 能力将成为竞争的核心。
不要被网络上的营销与焦虑裹挟。只要积极学习，善用 AI，让它更好地辅助自己，做 AI 的主人，而不是被 AI 替代。
大家共勉。
