正文内容片段
2026/1/20 更新
- 最近经常看到很多开发者在 AI 编程里讨论付费上班到底值不值得问题，比如一天烧了 20 美金感觉肉痛，然后底下有人评论，但是你产出高啊，这话乍看有道理，其实是一个逻辑陷阱，如果最终工作都由 AI 执行，产出的高低根本不是对照原来的人的产出，所以值不值，对资本来说永远是值的，但是对你个人来说可不是什么好事
01. 互联网消灭了信息差，但 AI 带来了“认知差”
过去二十年，我们习惯了互联网叙事：它解决了传输成本，抹平了信息不对称。只要你想知道，搜索引擎和电商平台能给你所有的**“答案”**。
但当 AI（尤其是生成式 AI）出现后，我开始思考一个问题：如果信息差已经不再是壁垒，那么 AI 到底改变了什么？
我的结论是：AI 正在将竞争维度从“信息差”拉升到“认知差”。
在 AI 时代，获取答案的成本趋近于零，执行技能的门槛也被无限降低——写代码、出图、写文案，AI 都能完成 80%。当“答案”和“执行”变得廉价，“问题”本身就变得昂贵。
以前我们拼“谁知道得多”，未来我们拼“谁更会提问”、“谁更有判断力”、“谁能设计系统”。
这种“认知差”无法像信息一样通过简单的传递被抹平。它需要天赋、高投入的时间沉淀以及对复杂系统的理解。在这个时代，高认知的人利用 AI 这个超级杠杆，一人就是一支队伍；而缺乏认知沉淀的人，即便拥有最强的 AI 工具，也只是面对着一个聊天的玩具。
02. RAG 与 Workflow：旧时代的“胶水科技”
现在的 AI 技术圈很热闹，大家都在谈 RAG（检索增强生成）、谈 Workflow（工作流）、谈向量数据库。但我总有一个直觉：现在的技术路径，可能是有问题的。
我们现在的做法，本质上是在**“给旧房子装电梯”**。
现有的互联网（Web 2.0）是为人设计的，充满了只有人类能懂的“隐性逻辑”——红色的按钮代表紧急，放在右上角的通常是关闭。这些信息对 AI 来说是巨大的噪音。
RAG 试图把传统的、结构化的旧数据库，和模糊的、语义化的新模型强行粘在一起。这是一种割裂的方案。只要数据还需要人去清洗、接口还需要人去定义，人类的“隐性认知”就会污染数据链条。AI 依然无法真正自动化，它被困在人类留下的、混乱的“万国牌”技术栈里。
03. 真正的未来：程序员消失，技术栈“大一统”
如果我们要实现真正的 AI 原生社会，必须建立一种**“新的网络”**。
这个网络不是用来取代互联网的，而是与人类互联网并行的**“数据管道”**。在这个网络里，流动的不再是给人看的网页，而是给 AI 读的、全显性的数据流。
要建成这个网络，唯一的路径可能是：程序员的消失。
这听起来很激进，但逻辑很硬核： 只要还是“人写代码”，就会有个人偏好，就会有技术栈的隔离（Java、Python、SQL），就会有数据孤岛。
未来的理想形态应该是：
- 人类（设计师/审核者）： 负责定义目标，设计逻辑，负责“消费”结果。
- AI（执行者/生产者）： 负责写代码、建数据库、生成接口。
当所有的网站和应用都是由 AI 基于同一套逻辑构建时，底层的技术栈自然实现了**“大一统”**。淘宝的 AI 和京东的 AI 交互，不需要人类去写复杂的 API 文档，因为它们天生同构，能够自然互通。
04. 重构生产关系：从“人机协作”到“人机分层”
我们现在常说“人机协作”，但这可能只是过渡态。终局可能是**“人机分层”**。
传统的互联网保留给人，继续承载我们的消费、娱乐和社交，产生数据； 而背后将生长出一套巨大的、为 AI 设计的**“隐形互联网”**。
在这个新网络里，没有隐性知识，所有逻辑都是显性的上下文。数据从生产到消费，全链路由于 AI 接管。人类不再是中间的“传输节点”或“存储硬盘”（毕竟人类的记忆不可靠），人类只做一件事：用高认知去设计系统，然后按下启动键。
这不仅仅是工具的升级，这是生产关系的彻底重构。在这个新网络建成之前，我们所有的 RAG 和 Workflow 都是在补课。
真正的 AI 时代，属于那些能设计并铺设这条“数据管道”的业务架构师。
（公众号排版建议：可以在每个小标题之间插入一些极简风格的抽象科技图片，或者“人类大脑 vs AI 芯片”的对比图，结尾处可以引导读者思考：如果不需要学写代码了，你该如何提升自己的‘认知’？）
差不多 1 年没写了，这两年一直忙着创业，抽个空给大家聊聊，扯扯闲天。
我思来想去能写的东西其实很多，比如
- 一个前端老鸟是如何开始创业不归路的
- 搞技术的创业要注意哪些是
- 创业上班有啥不同
- 怎么融资，投资人都是什么路子
- 创业 2 年都踩过什么坑
- 如何找客户
- 如何做产品
- AI 来了改变了什么
不过我想了想，掘金毕竟是个开发者社区，还是先聊聊大家比较容易理解的技术侧的内容
首先是给个结论 传统软件开发基本要嘎了
别的公司不知道，但是我们确实做到了在没有产品，测试，UI，前端，后端传统分工的情况下，完全通过 AI Coding 开发产品，上线，拿钱，交付，增长，迭代。
就是如果你还纠结 AI 原生组织，去掉所有岗位分工角色，只用 AI Coding 到底能不能代替传统软件开发模式，能不能上生产，能不能做出真的产品，那么我直接告诉你
完全可以 前提是从 0 开始，丢掉所有的历史包袱，所以创业公司可以这么干。
下面的内容分享给那些用过，没用过，想用 AI Coding 组织或者同学们，这一篇我就只聊我的经验，后面有时间我再展开说。
AI Coding 里的上下文工程怎么做
如果你翻一些开发团队的公众号，可能会把上下文工程给你说的神乎其神，或者长篇大论，但是对我的理解，我从 AI 作为编码工具到 AI 成为我的同事这个漫长的过程中，我的体验是，上下文工程只解决一个问题。
就是解决 AI 在没有记忆的情况下如何获取最新的结果，比如你发送了个需求让 AI Coding，AI 能不能知道上一次的修改结果，能不能基于最新的代码去推理来满足你的需求。
那么要解决这个问题有几条路径
- 让 AI 读写查询搜索自己去组织上下文，目前主流 AI IDE 的做法，优点是自动化程度高，缺点是慢，费钱，而且准确性和需求的复杂度成反比，需求越复杂，性能越差
- 结合 RAG 做索引，早期 Cursor 类产品的主流做法，优点是便宜，理论上下文无限，现在用 google 的 api 成本大幅下降，缺点么就是基本没啥用，尤其是推理模型出来后，代码切片就跟盲人摸象差不多，反而增加了 AI 的推理难度，AI 还得想想你这切的支离破碎的代码到底想表达啥？因为大部分的项目都是业务项目，与其说里面是代码，不如说里面就是业务的一个 know how 的表达方式。代码的耦合性是很高的基本切开就玩完。
- 手工选择 + 自动注入，这是目前我们的做法，简单粗暴，直接将整个项目的代码序列化结构化变成一个 markdown 丢过去，然后允许工程师手工选择，优点就是准确性极佳，推理速度快，生成效果好，完全能满足生成要求，缺点么就是费钱，超级费钱，基本上密集开发周期内，单日消耗可以达到数百美金，还是在手工选择加持的情况下，完全不管的话大几千美金也打不住。
然后现在各家 AI Coding 产品其实做的上下文工程就是围绕怎么把所有想让 AI 知道的的东西变成文本丢进去，难点在于很多内容很难文本化，并且丢一次是不够的，如何增量的丢，低成本的丢，快速的丢，都是技术，这方面的工程复杂度完全是一个全新的问题和领域
要做好上下文工程，产品和技术必须合二为一，不能分工，国内很多产品体验做的不好和我们长期的分工模式有关系，现在 AI 产品的设计，角色分工反而成了最大掣肘，从就业角度看，我觉得单独的产品和工程师以后都没啥活路，最好就是变成 产品工程师 AI 干活你主导设计
AI Coding 对传统软件开发方式的影响
先给结论，影响是颠覆性的革命性的，和过去我们经历的低代码/无代码那一波不一样，低代码无代码还是传统开发中针对业务场景的解决方案，是一个子集，人还是那些人，最后又加了一批脚本工程师。
但是 AI Coding 是掀桌子了，今天如果所有的公司是 AI 原生，AI Coding 的那么除了一批架构，转型快的还有活干，90% 的岗位都不存在了，没有任何独立的分工，垂直的工作给你，你想当螺丝钉，AI 比你更适合拧螺丝。
最大的影响是分工没了，AI 的知识结构和基于算力的特点，从资本效率上完全是碾压人类的，AI 欠缺的部分还需要人去补足，但是这个补他不需要一个团队，只需要一个人就够了，这意味着分工的消失。
基于 AI 的研发团队，结构是高度扁平，实现了我们最理想的模式，就是工程师流动的自由性，不像过去你的工作是被绑死在一个项目和代码上的。但是要做到这一点，就必须放手让 AI 去写代码。
必须是 100% 让 AI 写，任何混合式写法最后的结果就是，AI 和 人的能力都发挥不出来，今天还想着给团里的人配个 AI 提升效率的，我就直接告诉你们，短期有效，长期无效，还不如保持原来的传统模式，把 AI 就当成一次性工具，和低代码无代码一样解决一些业务场景的问题，AI 只是更智能而已，但是低代码/无代码解决不了的 AI 一样解决不了，不用指望大力出奇迹，人效飞上天，如果你们老板有这种想法，让他来找我，我免费给他上课，告诉他“别做梦！”。
总结下，影响是多方面的，一个是团队的分工，要想最大化收益，就是全干掉，变成一个工程师 + AI 的模式，其次是协同方式，必须数字化，平台化，依赖 IDE 你效率跑不起来。对 AI 来说，IDE的上下文很不完整，如果要自研一套基于 AI 的效率平台，最好的办法就是从 AI 出发为 AI 打造。
先写这些，1 年没写了，水两句让免得掘金把我给忘了😄
为了方便更新我就不开新文了，这里再讲讲关于软件设计的价值
AI Coding 让软件工程师回归设计
其实我们都知道编码价值不大，对于整个公司来说，编码属于成本，也就是你写的代码本质上是一种企业负债， 不仅是技术负债，更是商业成本，因为编码是死的，代码的可复用性很低，但是设计不同，好的设计可以产生持续的价值，但是在人工编码的年代，因为编码的效率很低，无法有效的响应软件设计的变化，而且进入互联网时代后，互联网软件的特点就是变化快，快速变化让代码几乎无时不刻的都在改，这种改动让很多设计模式，和软件设计显得僵化了。
其实 AI Coding 带来一种新的编码方式，我觉得可以说是设计驱动编码，因为 AI 生成代码的速度很快，准确性也很高，这让设计驱动编码成为可能，今天我们不再讨论如何去写代码，而是讨论如何做一套设计，将软件设计中的业务逻辑，产品逻辑，UI/UX，数据逻辑，前所未有的统一起来，用自然语言表达，随后通过 AI 生成代码，这不是 Vibe Coding 的抽卡逻辑，而是经过深思熟虑的软件设计范式。
未来的软件工程师必然是设计师，而非码农
应评论区 BobetaX 同学的要求，这部分主要讲程序员在 AI Coding 时代的思维和技能变化
因为我个人虽然大部分都是技术经历，从一线开发到技术管理技术架构，除了向上管理这块我实在不会（拍马屁总拍到马腿上😄）
其他我都可以说道说道，包括市场销售渠道这些其实我都狩猎过，所以要说 AI Coding 对于我们这个职业群体的思维和技能转变的影响，我觉得可能分成几个部分
- 多和销售，市场，营销的同学去吃吃饭，感受下那种人和人之间，让你的客户让你的用户掏钱的感觉
- AI 原生思维，干技术的有个好处是当 AI 补足了你能力短板的时候，你就可以一个人搞定一个事，所以一定要试着去做产品，无论什么样的产品，先从你第一个产品开始做，大多数产品都是没价值的，但是对你来说这种一个人干一个团队的事情的经验有价值。
- 绝对绝对不要当螺丝钉，因为 AI 螺丝钉吃电就能活，而你不行
- 会写代码是一种很高的杠杆，AI 把这个杠杆放大了 100 倍，作为程序员你缺的是如何运用杠杆解决问题的能力，而不是写代码的能力
- 中国其实企业的场景里能落地 AI 的场景非常多，需求很旺盛，现在还没有爆发是因为成本拐点没过去，AI Coding 就是那个打破成本拐点的关键技术，但光靠 AI Coding 是不够的，从自己的亲朋好友那里去深入了解工厂，企业的痛点，可能是你脱离牛马的第一步
- 技术和代码的价值前所未有的低，但是能让 AI 在实际场景里跑起来的能力价值前所未有的高，编程语言，技术栈，这些都不重要了，如果今天你还在迷信某种技术栈，是某种框架库的拥护者，那么未来大概率是要被淘汰的。
