The developers at stage 4 unanimously declare their role has shifted. They now focus on the delegation and the verification of a task. Delegation is about setting up the agents for success with rich context and instructions, designing and refining prompts, reviewing AI’s plans and tradeoffs, and tweaking before proceeding. Verification is all about tearing down the agent’s work – they review and validate that the AI-generated implementation fulfills the objectives and conventions it needs to. These developers moved from writing code to architecting and verifying the implementation work that is carried out by AI agents.

Developers rarely mentioned “time saved” as the core benefit of working in this new way with agents. They were all about increasing ambition.

本文探讨了人工智能（AI）如何深刻地重新定义软件开发者的角色、工作流及职业身份。通过对 22 位深度使用 AI 工具的开发者进行访谈，GitHub CEO Thomas Dohmke 指出，软件开发正经历一场从“编写代码”到“编排与验证代码”的根本性转变。

开发者在拥抱 AI 的过程中通常经历四个阶段：从最初的怀疑者（仅尝试简单任务），到探索者（开始处理调试和样板代码），再到协作共创者（在 IDE 中进行多步骤协作），最终进化为战略家（构建多智能体工作流，专注于任务的委派与验证）。访谈显示，大多数开发者认为在未来 2 到 5 年内，AI 将编写 90% 的代码，但这并不意味着开发者的价值消失，而是其身份转变为“代码创意总监”或“代码使能者”。

文章提出了“务实乐观主义”的观点：虽然传统编码角色会演变，但软件开发岗位需求预计将增长 18%。为了适应这一变化，开发者需要掌握 AI 流感度、委派与编排、验证与质量控制、以及更深层次的系统架构和产品理解能力。同时，计算机科学教育也必须随之重塑，从教授语法转向培养系统建模、AI 协作和复杂问题解决能力。总之，这场变革并非取代人类，而是通过 AI 提升开发者的能力上限，让他们从繁琐的实现细节中解放出来，专注于更高维度的创造与架构。

---

主题一：开发者角色的演变与 AI 采纳的四个阶段

在 AI 浪潮下，开发者的角色正在经历一场从“代码生产者”到“代码编排者”的深刻重塑。这种转变并非一蹴而就，而是通过不断的试错和实践，经历四个清晰的进化阶段。

第一阶段：AI 怀疑者（AI Skeptic）。 处于这一阶段的开发者通常持谨慎态度，仅在处理微小任务或简单询问时偶尔使用 AI。他们主要依赖代码补全功能，对 AI 的错误容忍度极低。如果 AI 不能一次性给出正确答案，他们往往会认为工具“华而不实”。然而，那些坚持下来的开发者会逐渐意识到，不应期待 AI 能够“一击即中”，从而进入下一阶段。

第二阶段：AI 探索者（AI Explorer）。 开发者开始尝试将 AI 用于调试、编写样板代码和代码片段。他们开始理解 AI 的局限性，学会结合代码补全和聊天界面，并从浏览器端的 LLM 中复制粘贴代码。通过实践，他们进化到了能够进行复杂任务头脑风暴的程度，并掌握了迭代提示（Iterative Prompting）的技巧。他们明白，当结果不佳时，与其在原有基础上修补，不如推倒重来。

第三阶段：AI 协作共创者（AI Collaborator）。 开发者开始在支持 AI 的 IDE 中进行多步骤任务和跨文件修改。他们培养出了“上下文工程”的直觉，养成了先让 AI 制定计划、维护智能体规则（Agent Rules）的习惯。他们能根据任务需求在不同模型和工具间灵活切换，并积极参与社区讨论，分享提示词经验和教训。

第四阶段：AI 战略家（AI Strategist）。 这是进化的终点。开发者将 AI 视为开发功能、处理复杂任务和大规模重构的强大合伙人。他们构建复杂的多智能体工作流，利用规划模型和编码模型实现高度的自主性和并行化。

在第四阶段，开发者的核心工作变成了委派（Delegation）与验证（Verification）。委派不再是简单的下令，而是为智能体提供丰富的上下文、设计精细的提示词、审查 AI 的计划并权衡利弊。验证则是对 AI 生成的工作进行严苛的拆解与校验，确保其符合业务目标和技术规范。开发者不再是亲自搬砖的工人，而是负责设计蓝图并监督施工的建筑师。这种身份的转变让开发者对未来充满信心，他们不再担心被取代，而是期待成为“代码创意总监”。

主题二：核心技能重塑、就业前景与教育变革

随着 AI 承担了大部分基础编码工作，开发者的技能树需要重新点燃，同时教育体系和行业预期也必须随之调整。

核心技能的重塑：

1. AI 流感度（AI Fluency）： 开发者必须深入理解不同 AI 工具、平台和模型的优缺点，并能随着 AI 技术的飞速迭代不断更新自己的工作流。
2. 委派与智能体编排： 这要求开发者具备极强的沟通能力和问题拆解能力。模糊的指令无法让 AI 成功，开发者需要学会定义成功标准、设置约束条件，并决定何时与 AI 同步协作，何时将其转入后台异步处理。
3. 基础知识的回归： 尽管 AI 能写代码，但开发者对算法、数据结构和系统原理的深度理解反而变得更加重要。只有具备扎实的基础，才能在“验证”环节中识别出 AI 生成代码中的深层逻辑错误。
4. 产品与架构思维： 开发者需要具备“混合思维”，结合工程、设计和产品管理，从整体视角审视产品需求，确保 AI 完成的任务能真正解决用户问题。

就业前景的务实乐观： 尽管传统编码任务被自动化，但美国劳工统计局预测，未来十年软件开发者职位将增长 18%，远超平均水平。这意味着虽然“工作内容”变了，但“工作机会”反而增多了。开发者不再关注“节省了多少时间”，而是关注“提高了多少野心”。当效率提升后，企业和开发者会追求更高上限的目标，这解释了为什么顶尖开发者愿意付费订阅最先进的 AI 工具——因为他们需要的是扩展能力边界，而非仅仅减少工作量。

教育体系的重塑： 计算机科学教育必须告别死记硬背语法和 API 的时代。未来的教学应侧重于：

• 从“写循环”转向“理解系统”： 评估学生是否理解代码逻辑以及修改代码后的连锁反应。
• 将 AI 协作纳入课程： 教授如何编写提示词、审查 AI 输出以及进行调试。
• 培养抽象与建模能力： 解决 AI 无法自动化的模糊性问题，将复杂需求转化为结构化指令。
• 评估方式的变革： 传统的编程考试已过时。未来的考试可能是：“这是 AI 写的代码，请找出其中的错误”或“请改进这份规格说明，以便 AI 能准确构建你想要的功能”。

这种重塑不仅是为了适应技术，更是为了开启跨学科软件生涯的大门，让开发者成为真正的“计算创造者”。

---

问答

问：开发者对 AI 编写 90% 的代码持什么态度？ 答：态度非常积极。受访开发者中，一半认为这在 5 年内会实现，另一半认为只需 2 年。他们认为这不会削弱自身价值，而是将他们从繁琐的实现中解放出来，转而从事更高价值的委派和验证工作。

问：什么是“委派”与“验证”工作流？ 答：这是 AI 时代开发者的核心职责。委派是指为 AI 提供上下文、设计提示词并审查其计划；验证是指对 AI 生成的代码进行严格测试、审查和质量把控，确保其符合标准。

问：为什么在 AI 时代，编程基础知识仍然至关重要？ 答：因为 AI 生成的代码需要人类进行“验证”。只有深入理解算法、数据结构和系统架构，开发者才能判断 AI 的输出是否正确、高效且安全，并在出现复杂问题时进行深度调试。

问：AI 对软件开发就业市场有何影响？ 答：虽然传统角色会演变，但整体需求预计将增长 18%。AI 降低了实现门槛，使得开发者能够追求更具雄心的项目，从而创造更多高层次的职位需求。

问：计算机科学教育应该如何应对 AI 的崛起？ 答：教育应从教授语法转向教授“AI 流感度”。重点应放在系统建模、问题拆解、需求定义以及如何批判性地审查和改进 AI 生成的方案上，而非单纯的编码实现。