当 PM 和 HR 都能写自动化脚本，初级程序员的最后一道护城河在哪里？
上个月，我亲眼看到一个做 HR 的朋友用 Claude Cowork 写了一个自动筛选简历的脚本。
她不会 Python，不会 JavaScript，甚至分不清前端和后端。但她用自然语言描述了需求：”从这个文件夹里读取所有简历 PDF，提取工作年限和技能关键词，按匹配度排序，输出一个 Excel 表格。”20 分钟后，脚本跑起来了。
我看着她屏幕上那个绿色的”完成”提示，心里五味杂陈。作为一个写了好几年代码的人，我突然意识到：我引以为傲的”会写代码”这件事，正在变得不那么稀缺了。
如果你也是一个工作三年以内的程序员，这篇文章可能会让你不太舒服。但我觉得，越不舒服的真相，越值得早点面对。
“写代码”正在被民主化
先看几组数据，感受一下变化的速度。
2026 年初，全球 46% 的代码由 AI 辅助生成。每天有 2000 万开发者使用 AI 编程工具。GitHub 上 4% 的公开代码提交是 Claude Code 自动生成的——一个月前这个数字还只有 2%。
但更值得关注的不是开发者用 AI 写代码，而是非开发者也在用 AI 写代码。
根据 Solveo 对 1000 名 Reddit 用户的统计，vibe coding 社区中 63% 的活跃用户根本不是程序员。Business Insider 报道了一个更极端的案例：一个学林业工程的人，从没写过一行代码，用 AI 工具在五个月内构建了 12 个应用，其中一个已经商业化运营。
Anthropic 在 1 月份发布的 Claude Cowork，更是把这扇门彻底推开。《华盛顿邮报》的记者实测：在 Cowork 里输入 20 秒的描述，几分钟后就生成了一个功能完整的媒体追踪网站。不需要终端，不需要命令行，不需要任何技术背景。
Claude Code 的创造者 Boris Cherny 在 Y Combinator 的播客上说了一句话，让整个开发者社区都在转发：
“今天，编程基本上已经被解决了。我们将开始看到’软件工程师’这个头衔消失。取而代之的，是’builder’或’product manager’。”
初级程序员的真实困境
这不是危言耸听。数据已经在说话了。
招聘端： 自 2019 年以来，美国 15 家最大科技公司的应届毕业生招聘量下降了 55%。SignalFire 的数据指出，公司更倾向于用 AI + 少量高级工程师的组合，替代大量初级开发者。
教育端： 加州大学系统的计算机科学本科入学人数，在 2024 年下降 3%，2025 年下降 6%。这是 2000 年互联网泡沫以来的首次连续下滑。
职场端： Axios 最新发布的 AI 职业风险排行榜中，”计算机程序员”以 45% 的被替代概率排名第一。斯坦福经济学家 Erik Brynjolfsson 的研究更精确：在所有 AI 高暴露职业中，初级开发者受冲击最大。
SF Standard 采访了一位在大型科技公司工作的初级工程师。他的原话是：
“我基本上就是 Claude Code 的代理人。经理告诉我该做什么，我再告诉 Claude 去做。”
他说自己对 AI 比他更会写代码这件事，最大的感受是”grief”——悲伤。”你花了好几年练出来的技能，现在被民主化给了所有人。这让你觉得很空。”
另一位工程师坦言，自从用 AI 写代码后，他只理解自己产出代码的一半。他半开玩笑地说：”如果 AI 末日来了，我就去修车。”
但”写代码”从来不是程序员的全部
先别急着焦虑。让我们换个角度想这个问题。
回顾编程的历史，每一次”降低门槛”的技术革命，最终都没有消灭程序员，反而创造了更多岗位。高级语言取代了汇编，但程序员更多了。云计算取代了运维，但 DevOps 工程师变成了最热门的岗位。
为什么？因为当创造软件的成本下降，对软件的需求就会爆炸。
SF Standard 引用了一个精妙的比喻：那些能驾驭 AI 工具的工程师，就像拥有了一台”核动力六轴铣床”——一个人就是一个软件工厂。Root Ventures 的投资人 Lee Edwards 说，这些人会变得更加抢手。
关键区别在于：PM 和 HR 能用 AI 写的脚本，和程序员用 AI 构建的系统，不是同一个东西。
我那个 HR 朋友的简历筛选脚本确实能跑。但如果你问她：
- 这个脚本的错误处理机制是什么？
- 如果 PDF 格式不统一怎么办？
- 如何把它集成到现有的 HR 系统里？
- 数据隐私合规怎么处理？
- 当它处理 10 万份简历时，性能怎么保证？
她答不上来。而这些问题，恰恰是一个合格程序员的日常。
护城河不在”写代码”，在这四个地方
如果”写代码”不再是护城河，那什么才是？想清楚这个问题，比学任何新框架都重要。
1. 系统思维：从脚本到系统的跨越
非技术人员用 AI 能写出一个脚本。但把脚本变成一个可靠的系统——有监控、有容错、有扩展性、有安全策略——这需要系统思维。
CodeRabbit 对 470 个 GitHub PR 的分析发现，AI 辅助生成的代码包含的”重大问题”是纯人工代码的 1.7 倍。代码能跑和代码能上生产，中间隔着一道鸿沟。
Business Insider 的报道提到了一个概念叫”判断力债务”（judgment debt）。当 AI 独自搭建软件的技术脚手架时，会悄无声息地积累一堆决策——这些决策在早期看不出问题，但随着系统复杂度增长，会变成定时炸弹。
能识别和拆除这些炸弹的人，就是不可替代的人。
2. 问题定义能力：告诉 AI “做什么”
Vibe coding 时代最有价值的技能，不是写代码，而是精确定义问题。
听起来简单，实际上非常难。”帮我做一个用户管理系统”和”实现一个支持 RBAC 权限模型、SSO 集成、审计日志、用户分组和批量操作的企业级用户管理模块”——这两句话的差距，就是初级和高级的差距。
纽约时报那篇长文里有一个细节很有意思：有工程师发现，对 AI 越粗鲁，它表现越好。他们笑着讨论这件事。但本质上，这说明与 AI 协作是一项需要大量实践才能掌握的技能。怎么拆任务、怎么提供上下文、怎么审查产出——这些能力正在定义新一代”好工程师”的标准。
3. 领域知识：AI 不懂你的业务
AI 可以写出完美的代码。但它不知道你们公司的合规要求，不了解你们的用户是怎么使用产品的，不清楚上个月那次事故的根因分析报告里写了什么。
InfoQ 报道了一个令人警醒的现象：vibe coding 正在威胁开源社区。因为 AI 在选择和组装开源包时，不会读文档、不会报 Bug、不会参与社区互动。研究者发现，这创造了一个负反馈循环——越少的人理解底层，底层就越脆弱。
理解业务、理解系统、理解上下文，是 AI 无法从训练数据中学到的。 这需要你在一个领域里深耕，积累那些只有”在场”才能获得的知识。
4. 质量把关：AI 的最后一道防线
UC Berkeley 的计算机科学教授 James O’Brien 说了一句很重的话：”一年之内，我预计编程 Agent 会比任何人类都好。”
即便如此，谁来决定”好”的标准？谁来审查 AI 的产出是否符合安全规范？谁来判断这段代码在特定业务场景下是否真的正确？
纽约时报的调查采访了 70 多位 Google、Amazon、微软和小型创业公司的开发者。一个共识正在形成：编程的本质正在从”写代码”变成”审查代码”和”定义标准”。 前者是执行，后者是判断。AI 可以执行，但判断仍然需要人。
具体怎么做？给初级程序员的生存指南
说了这么多”应该怎么想”，最后说说”具体怎么做”。
第一，立刻拥抱 AI 编程工具，不要抵抗。 Medium 上的数据显示，掌握 AI 工作流的入门级开发者，薪资范围是 9-13 万美元；传统开发岗位是 6.5-8.5 万美元。市场在奖励那些学会与 AI 协作的人。
第二，从”写代码的人”转变为”管代码的人”。 学会用 Claude Code 让 AI 干活，但把精力放在审查、测试和架构设计上。一位投资人的比喻很好：你不是在和 AI 配对编程，而是在管理一个不睡觉的初级工程师团队。
第三，深耕一个业务领域。 全栈程序员的竞争力在下降，因为 AI 就是最好的全栈。但”懂金融 + 会编程”、”懂医疗 + 会编程”、”懂供应链 + 会编程”的人，价值在上升。你的领域知识才是真正的差异化优势。
第四，锻炼”上游能力”。 需求分析、系统设计、技术选型、架构权衡——这些”写代码之前”的工作，恰恰是 AI 最不擅长的。越往上游走，你越不可替代。
写在最后
回到开头那个场景。我的 HR 朋友确实用 AI 写出了一个能跑的脚本。
但第二天她就来找我了：”这个脚本昨天还好好的，今天怎么报错了？”——原来有几份简历是扫描件，OCR 提取失败了。她完全不知道怎么处理。
这就是现实。AI 把”写代码”这件事民主化了，但把”做工程”这件事凸显了。 以前大家分不清”写代码”和”做工程”的区别，现在 AI 帮你画清了这条线。
对初级程序员来说，这不是末日，而是一次重新定义自己的机会。护城河不是消失了，而是搬家了——从”我会写代码”搬到了”我能解决问题”。
Claude Code 的创造者说得对：软件工程师这个头衔可能会消失。但”能解决复杂问题的人”这个角色，永远不会消失。
你觉得初级程序员最应该优先提升哪方面的能力？欢迎在评论区聊聊你的看法。