Vibe Coding 时代：为什么 AI 不会取代软件工程师
本文深入探讨了“Vibe Coding”和 Agentic AI 的兴起对软件工程行业的深远影响。文章指出，虽然 AI 降低了编程门槛并替代了大量初级外包岗位，但同时也将工程师的角色从“代码编写者”转变为“AI 管理者”和质量把关人。迪拜正押注这一转型，构建 Agentic AI 的规则体系。作者强调，未来的核心竞争力在于理解力、审美判断和制定标准的能力，而非单纯的语法记忆，软件工程师将在新的技术分层中找到立足点。
相关文档
Claude Code创始人：程序员，2026年开始消失
本文基于Claude Code创始人Boris Cherny的访谈，深入探讨了AI编程对软件工程领域的颠覆性影响。Boris预言“软件工程师”这一头衔将逐渐消失，编程将从专业技能转变为像读写一样的通用基础能力。Anthropic内部数据显示，AI已承担70%-90%的代码编写，人均工程产出提升了150%。文章指出，代码的“保质期”缩短至数月，传统的经验积累不再有效，未来的核心竞争力将是与AI协作的能力及第一性原理思考。
卡兹克零基础靠 AI 做的 AIHot，我作为程序员认真读了一遍源码
作者以程序员视角深入分析了数字生命卡兹克零编程基础、纯靠 AI 构建的开源项目 AIHot（AI 热点新闻聚合网站）。文章详细解读了项目的技术选型与架构：TypeScript 全栈 monorepo、React Router SSR 前端、Fastify API、pg-boss 任务队列，以及 RSS、网页爬虫、JSON 接口、推特、微信公众号等六种信源采集方式。重点剖析了其基于大模型的文章处理流程：预筛、五维度加权打分、摘要生成、向量聚簇归组。作者由此引申讨论 AI 时代软件工程可维护性标准的转变：程序员注意力从代码实现转向架构设计与约束，类比铝从贵金属到飞机材料的价值观变迁。
Thinking in Systems, Shipping in Loops
文章引用 DHH 的观点指出，手写代码对绝大多数程序员已不再经济，软件工程正演变为系统架构设计。通过 Artemis 和 SpaceXAI Grok 团队的案例，说明工程师如今通过设计验证循环（verification loops）让 AI 大规模正确地编写代码——如 Lauren Tan 每月发布 2000 个 PR。文章借鉴 Donella Meadows 的系统理论，提出优秀系统设计的三大特性：韧性（AI 通过测试、审查代理和生产可观测性自我校验）、自组织（循环学习将失败类型转化为新技能）和层级（将技能、工具与沙箱组合成可复用组件）。工程师的新职业是'驾驭智能'。
/src 里的 Markdown：Markdown 正在变成源代码
htmx 作者、Montana State 大学教授 Carson Gross 提出：在 agent 式编程时代，Markdown 正从文档演变为源代码。他认为 LLM 生成的代码不应只源自用完即弃的提示词会话，而应将捕捉系统意图的 Markdown 签进 /src，与生成代码放在一起。Markdown 具备可 diff、可 grep、人机皆可读写的优势，且遵循局部性原则，让代码模块自带解释其意图的文档。作者提议建立 /src/md 目录约定（含 README、OVERVIEW、features、data、api 等），由人撰写维护，代码与测试从这些 Markdown 派生，测试负责自动化验证正确性。当代码越来越便宜，真正有价值的是代码背后的意图，应将其持久化于源码目录之中。
AI 没有智慧，你也不会有了
文章批评'不再读代码、不再写代码'的行业风气。作者指出代码可维护性和好架构难以即时度量，其恶果需要数月甚至数年才显现，而有经验工程师依靠长期实践积累的直觉来嗅出代码异味。AI 因缺乏可度量的奖励信号，无法理解什么是可维护的代码，且从质量低劣的野生代码中学习模式，在简化代码、定义可复用函数上表现糟糕。更危险的是，依赖 AI 写代码和读代码的开发者将永远无法达到精通，因为他们不再从错误中学习。作者认为 LLM 只是工具，预言未来会有公司以'无 AI'政策作为竞争优势。
264K Skills 作者 Matt Pocock 96 分钟访谈：grill me 与 wayfinder 工作流，25 年前老书中藏着答案
本文整理了 Matt Pocock 与 Gergely Orosz 的 96 分钟深度访谈精华。Matt 提出'知识已死，智慧永存'：AI 吃掉了战术性编程，人类须守住战略性编程。他分享了完整 AI 协作方法论：grill me（让 Agent 无情拷问以对齐需求）、spec→tickets 拆分工单绕开 15 万 token 注意力限制、wayfinder 用地图+战争迷雾隐喻管理超大工程、日班/夜班节奏。最具原创性的发现是'引导词'技巧：把经典软件工程书籍中的术语写入提示词，能激活模型深层概念、改变行为。他强调代码库就是 Agent 的运行环境，工程师应成为 Agent 的平台团队与园丁。结论是：帮助他的不是新方法，而是 25 年前的经典软件工程智慧。
软件工程的蒸发与 Agent 构建者的崛起
作者回顾2025年7月三个改变其职业认知的事件：一是仅凭AI便完成一个完整SaaS应用；二是在Tinder用一段2000词的指令（Skill）让AI在10分钟内完成原本需要6-8小时的复杂线程库迁移且结果正确；三是目睹CFO和健身馆老板等非技术者用Claude构建出复杂的金融和健康平台。作者认为编码只是门槛，真正核心的是执行能力，而AI让执行几乎免费。超专业化曾被视为安全选择，如今反成风险。文章呼吁工程师直面身份焦虑，思考当执行不再稀缺时，自己真正价值何在。
软件即将以算力速度吞噬世界
Marc Andreessen 回顾其 2011 年“软件吞噬世界”的预言已成真，并指出 AI 编码代理正让软件吞噬世界的速度从人手转向算力。以 Devin 为例，代理已能编写 90% 以上生产代码，工程师从“码农”变为“代理舰队 CTO”，实现 10 倍乃至 100 倍杠杆。奔驰、Rivian、Itau 等企业案例显示效率提升显著。他反驳“AI 终结软件工程”的论调，认为需求无限，技术解锁新市场。a16z 因此重仓 Cognition，看好其团队与愿景。
BestBlogs 精选周刊｜第 110 期：智能供给、稀缺迁移与长期资产
本期周刊以「新的稀缺」为主题，围绕 OpenAI 定制推理芯片 Jalapeño、智谱 GLM-5.3-Flash、千问 Qwen3.8-Flash 等发布，探讨智能供给成本下降后价值交付的真正瓶颈。文章指出，模型变便宜后，稀缺资源转移到了环境与验证、企业数据治理、Agent 自进化的控制面以及人类注意力上。Coding 只占研发链路的小部分，环境、审批、测试与数据可信度决定完成率；自进化系统需要评测、记忆、落地与控制四个齿轮协同；Harness 演进和记忆系统则凸显人类判断与信任界面的长期价值。团队应把节省的推理预算转投评测、失败分析与用户研究，建设可复利的组织能力。
Running a Software Factory Efficiently at Uber Scale
本文介绍 Uber 如何在软件开发生命周期中高效运行 AI 软件工厂。目前 Uber 超过 70% 的 PR 由本地或云端 agent 完成，工程师构建了 3600+ 个 agent 技能，每天执行超 3 万次。文章提出软件工厂的四层 agent 使用架构，并将成本分解为六个可独立测量和优化的因子。通过基于真实工作构建的基准测试进行 Pareto 最优的模型选择、将子 agent 默认路由到更经济的模型、自动上下文压缩等优化手段，Uber 在模型不变的情况下将每千次请求成本降低约 34%，单会话成本较峰值下降 52%，实现了规模化的 AI 工程效率与成本控制。
AI 编程将阻碍专业能力的形成
文章探讨 AI 编程工具对专业能力形成的负面影响。作者提出“专家级新手”悖论：有效使用 AI 编程工具需要深厚专业经验，而这些工具又绕过了培养专业能力所需的摩擦。多项研究（JetBrains、宾夕法尼亚大学、Anthropic）表明，依赖 AI 辅助的新手开发者容易产生“能力幻觉”，跳过关键规划步骤，学习效果反而更差。作者建议将 LLM 用作苏格拉底式导师而非答案生成器，区分“认知债务”与“认知卸载”，并提供了 AI 辅助使用检查清单，强调摩擦是形成专业直觉的必要过程。
AI 编程缺失的抽象层
本文探讨了AI编程对软件工程的影响，认为AI编程是一次抽象层的升级，而非简单的岗位替代。作者指出，当前AI能力已跃迁，但新的抽象层尚未稳定，导致软件工程方法滞后。文章分析了Junior Engineer面临的训练路径断裂问题，并重新定义了AI时代的基本功，包括Specification、Decomposition、Verification和Context Engineering。最后，作者认为我们正处于AI编程的“汇编时代”，未来将出现新的抽象体系，定义下一代软件工程。
