【2022 年度总结】By 离殇

AI 时代下初级程序员还有未来吗？ 结合鱼友们的文章以及自己工作经历（练习一坤年）有感而发（声明：个人观点，仅供参考）。 大家已经多久没有正经写过代码了呢？不是指给 AI 描述需求，让 AI 帮你生成代码，而是所谓的“古法编程”——打开编辑器，自己敲代码、查文档、调 Bug，一点一点把东西做出来。现在回头想想，大多数时候我们可能已经习惯了描述需求，而不是亲自动手实现需求。AI 编程正在成为越来越主流的开发方式，甚至可以说，大家已经习惯了“懒”：能让 AI 写的，就绝不自己写；能让 AI 查的，就懒得自己翻文档。问题来了：在 AI 已经如此强大的今天，还有必要学这些计算机基础知识吗？初级程序员还有存在的必要吗？ 说实话，我自己现在也已经很少手写代码了。大多数时候就是把需求描述清楚，让 AI 去实现，然后自己再负责确认、测试和修改。因为大部分时候，就算我自己亲自动手写，也未必能比 AI 写得更好。更关键的是，AI 写代码实在太省事了。需求描述清楚，确认一下结果，剩下的时间完全可以去干别的事情。更有意思的是，人一旦习惯了“懒”，真的很难再回到以前那种勤快的状态。以前公司断网的时候，我虽然查不了文档，但至少还能先自己写，等网络恢复以后再补一下不确定的地方；现在断网了，我第一反应往往是等网络恢复。以前觉得这是工作效率，现在回头看，其实也是能力和习惯正在悄悄发生变化。 在 AI 编程的背景下，基础到底重不重要？如果只看“写代码”，你可能认为基础没那么重要了，因为你自己根本不动手写，又何谈基础？现在很多项目，架构可能是你参与设计的，需求是你负责沟通的，代码则交给 AI 实现，测试让 AI 帮你补，文档让 AI 帮你写，甚至连重构都可以继续交给 AI。说得难听一点，有些时候程序员更像需求的沟通器、AI 的翻译机。以前是人把需求翻译成代码，现在越来越像是人把需求翻译成 AI 能理解的机器语言描述。 但如果因此觉得“基础不重要”，那就真的大错特错了，基础是很重要的，只不过它的重要性已经发生了变化。以前基础决定了你能不能把代码写出来，现在基础更多决定了你能不能判断 AI 写出来的东西到底对不对。 AI 最让人难受的地方，并不是它不会写代码，而是它经常能够在大部分时间里表现得非常正确，然后突然在一个极不起眼的地方埋下一根针。99.99% 的代码看起来都没问题，剩下的 0.01% 却可能刚好是线上最要命的那个边界条件。等这根针真正扎出来的时候，可能炸掉的不只是一个方法，而是一大片业务，然后你再花几倍甚至几十倍的时间和 token 去让 AI 修这个问题，修完以后又可能在另一个地方埋下一根新的针。 我自己遇到过很多类似的情况：出了 Bug，让 AI 修改，它给你 A 方案；测试以后告诉它不对，它再给你 B 方案；B 还是不对，它继续给你 C 方案。到了这个时候，AI 要么开始在几个方案之间来回循环，要么开始一本正经地胡说八道，陷入一个怪圈（至今没找到好的解决方案）。更糟糕的是，AI 每次说得都特别像那么回事。如果你没有基础，根本不知道它说的是不是对的，只能继续相信它，然后不断试错。可如果你有基本的编程基础，至少可以把它生成的代码看懂，可以沿着调用链、数据流和业务逻辑一点一点分析，最终找到真正的问题在哪里。 基础的价值，从“我能不能写出来”，逐渐变成了“我有没有能力判断它写得对不对”。AI 是一把非常好用的剑，但剑再锋利，也要看执剑的人是谁。你至少得知道这把剑砍下去会发生什么，否则你不是在使用 AI，而是在把决策权交给 AI。 尤其是现在很多项目都在用所谓的 Vibe Coding，最大的风险并不是代码跑不起来，而是代码跑起来以后，写代码的人自己都不知道它为什么能跑。能运行和能上线，完全是两回事；能上线和能长期维护，又是另外一回事。一个程序能不能称得上“好”，绝不是看它能不能把功能跑通，还要看它的可维护性、稳定性、性能、安全性、异常处理、日志、边界条件，以及未来出了问题以后有没有人能接得住。你觉得 AI 写得“挺好”，不代表它真的好，因为你自己的判断标准可能已经被“能跑”这件事情降低了。 AI 不是黑魔法，它的输出质量很大程度上取决于输入、上下文、约束和验证。你给它一个模糊的需求，它当然可能给你一个看起来很完整、实际上漏洞百出的答案。更麻烦的是，AI 会非常自信地犯错，会把错误信息、错误逻辑甚至不存在的东西包装成一个完整答案。以前我们查资料，会下意识地交叉验证，会去看官方文档，会确认不同来源是不是一致；现在很多人因为 AI 太方便了，慢慢把这个习惯丢掉了。AI 说什么就是什么，最后出了问题，人反而成了 AI 错误的背锅侠。 这也是为什么我越来越觉得，AI 时代真正稀缺的可能不是“会不会写代码”，而是判断力。尤其是在 Coding 领域，这件事情会被无限放大。因为 AI 可以极大降低写代码的门槛，却不能自动替你建立一套可靠的审美和判断标准。没有判断力的人，AI 给他的是生产力；有判断力的人，AI 给他的是生产力放大器。两个人都在用 AI，但最终做出来的东西可能完全不是一个水平。 甚至从长期来看，过度依赖 AI 还可能带来另一个问题：独立思考和逻辑构建能力退化。以前我们写一个功能，需要自己拆需求、设计数据结构、推演流程、处理异常、不断试错，这些过程本身就是思考和学习。现在 AI 可以直接把一条完整的逻辑链摆到你面前，人很容易跳过中间那些最费脑子的推敲过程。短期来看，这当然非常高效；但如果一个人长期只负责提出问题和验收答案，而很少亲自经历问题拆解和解决过程，那么他的能力到底是在增长，还是只是在越来越熟练地使用工具，这其实值得我们认真想一想。 还有一个很现实的问题：AI 现在生成代码的速度已经远远超过人类，但它在工程化上仍然存在不少问题。主链路往往没什么问题，真正麻烦的反而是那些边缘情况。它特别喜欢在一些小方法里直接吞掉异常，又经常不愿意打足够的日志；注释可能写得很多，但真正出问题的时候，你会发现线上没有足够的信息帮助你定位。边界条件更是一个高频问题，同样的提示词、同样的逻辑，有时候它会考虑某个特殊条件，有时候又直接跳过去。AI 还很容易过度设计，尤其是在库表结构、抽象层和工程架构上，经常会把一个本来很简单的问题搞得异常复杂。 更痛苦的是，AI Agent 正在从“帮你写代码”走向“直接替你操作环境”。这意味着它的能力越强，错误的代价也越高。过去一个人想做大规模破坏性的操作，往往需要大量时间和步骤；现在一个 Agent 如果拥有足够权限，可能几条指令就能完成一个人类几乎不可能在短时间内完成的操作。所以未来真正需要解决的，不只是“AI 能不能把代码写出来”，而是权限、审计、回滚、测试、隔离和责任边界这些工程问题。AI 能力越强，兜底机制反而越重要。 这也解释了为什么高级程序员依然有价值。绝大多数 AI 生成的代码，本质上是在寻找从 A 到 B 最快、最直接的路径。但最快的路并不一定是最好的路。真实的生产环境从来不是一个理想环境：网络可能很差，设备可能很旧，数据可能异常，流量可能突然暴涨，数据库可能抖一下，甚至还可能遇到那些你以为已经不存在的 IE。真正复杂的工程问题，往往不是“正常情况下怎么跑”，而是“所有不正常的情况下怎么办”。调优、极端情况、系统稳定性、故障恢复、安全性以及长期维护，这些东西目前仍然需要大量工程经验。 而且没有哪个高级程序员是凭空出现的。所有所谓的高级，都是从基础、中级一点一点成长起来的。如果行业因为 AI 强大，就认为初级程序员已经没有培养的价值，那么短期看，企业确实省下了培养成本；但几年以后，当这一代高级工程师逐渐离开一线，又从哪里补充新的人才呢？没有人愿意培养初级工程师，人才断层迟早是会出现的。AI 可以帮助一个初级程序员快速获得接近中级程序员的生产力，却不能凭空替他积累十年的工程经验。 初级程序员还会不会存在？我认为会，但数量一定会缩水，而且岗位要求会越来越高。以前一个企业愿意招一个刚毕业的人，从基础工作开始慢慢培养；现在相当一部分基础工作已经可以由“中级程序员 + AI”完成了。高级程序员更多去解决项目中的复杂问题，中级程序员借助 AI 承担大量开发工作，而原本属于初级程序员的那些简单、重复性的工作，正在被一点一点压缩。岗位少了，要求自然就高了，甚至可能出现一种很现实的情况：一个刚毕业的学生，企业嘴上招的是初级，实际上要求的已经接近过去中级程序员的能力。学历、项目经历、实习经历、基础能力，能对上就来，对不上就算了。因为企业是挣钱的地方，不是职业培训机构，不会迁就一个完全没有生产力的人。 所以现在的初级程序员，处境确实尴尬了很多。干吧，要忍受各种不合理；不干吧，也未必有更好的去处。尤其对于普通专科、二本毕业生来说，这个变化可能会更加明显（为了生活的苟且，为了碎银几两，接收社畜、压榨）。以前你还有机会靠时间慢慢熬出经验，现在这个过程正在被 AI 压缩。你不能再把“我会写代码”当成核心竞争力，因为 AI 写得不仅比你快、比你多，还比你写的更好；你真正需要建立的是理解代码、判断代码、设计系统、具备审美、解决问题和承担结果的能力。 说到底，AI 并没有让程序员变得没有价值，它只是把程序员的价值从“生产代码”逐渐往“判断、设计、验证和兜底”上推。以前一个程序员一天写几万行代码可能是值得骄傲的事，现在 AI 一分钟就能给你生成几十万行代码，代码本身已经越来越不值钱了，真正值钱的是，你能不能知道哪些代码根本不应该写，能不能判断 AI 的方案是不是靠谱，能不能在它陷入死循环的时候找到真正的问题，能不能在系统出事故的时候把它救回来。 未来的程序员可能越来越像一个工程师、架构师、AI 协作者和一个具备审美能力的人的结合体，而不再只是一个“写代码的人”。AI 在不断变强，甚至AI 现在的架构已经开始走向预测编码的方向了。但只要 AI 还会犯错，只要现实世界还存在复杂的边界条件，只要项目还需要对业务、用户和生产环境负责，那么“判断力”就不会过时。 基础到底要不要学？我的答案是：要学，而且基础还很重要，不是因为你以后还要每天手写几千行代码，而是因为你总得知道 AI 给你的东西到底是什么，你可以不用像以前那样知之甚深，但至少要能看懂简单的代码知道一些原理，否则没有一点基础终究是空中楼阁。能力不是权限，AI 能做到什么，不代表它可以做什么，把“能做到”误当成“可以做”迟早会出大问题的，你可以不再亲自挥剑，但至少得有能力判断这一剑应该往哪里挥。 AI 时代，未来是超级个体和领域专家的世界，真正危险的从来不是不会写代码的人，而是一个人拥有了极强的代码生成能力，却失去了判断这些代码对不对的能力。剑越来越锋利了，真正需要担心的，是执剑人的手，我们要成为执棋者，不是棋子，AI 是我们的工具，而不是 AI 的工具。

最近在使用ChatGPT/Codex过程中发现了一个官方bug：高频日志写盘，会损坏电脑磁盘的寿命。桌面版和CLI都有这个问题，目前最新版的ChatGPT/Codex还没有彻底解决这个问题（虽然官方自称已经修复了，但实测还是有高频日志写盘问题）。建议使用下面这段提示词发给AI让它检查和修复：帮我检查 ~./codex/logs_2.sqlite 是否因 TRACE 日志持续高频写盘；如果中招，先备份，再用 SQLite trigger 拦截 logs 表 insert，并 checkpoint/truncate WAL，最后采样确认 MAX（id）和WAL 不再增长。 最后祝各位鱼友好运，希望能对大家有所帮助。

瓜

实际才实习三个月的菜鸡😅

很久没看星球了，一直在学校忙其它的[骷髅][骷髅][骷髅]，今天突然想起来了，进来看看发现竟然快过期了😱[大哭]，立马又续上了，等期末考完放假，回星球继续跟鱼皮摸鱼学习[奋斗][奋斗][奋斗]