AI Agent 越强大，对程序员的要求反而越高，来自deepseek的反思

AI Agent 越强大，对程序员的要求反而越高

工具替你做了体力活，但判断力、理解力、责任还是你的。

---

技术演进中反复出现的规律

这不是 AI 时代特有的新鲜事。回头看每一次工具革命：

• 从汇编到 C 语言：编译器替你分配寄存器、管理栈帧。但出了问题，你还得看得懂反汇编。
• 从裸机到 RTOS：调度器替你切换任务。但优先级反转、死锁、栈溢出还是你得排查。
• 从 jQuery 到 React：框架替你管理 DOM。但虚拟 DOM diff 的坑、状态不一致的 bug 仍然要你定位。

每一轮工具升级，都在重复同一个模式：工具做掉了你原来的体力活，但把你推向了更高层次的脑力活。

---

核心矛盾

Agent 编写代码的成本  →  趋近于 0
理解代码的成本        →  不变甚至更高

Agent 可以在 10 秒内产出一个功能模块——代码整洁、注释清晰、让人挑不出毛病。但：

• 它的错误更隐蔽。不会犯低级语法错，但会在边界条件、竞态窗口、异常路径上悄悄挖坑。
• 它的风格不是你的。你自己写的代码，每个函数为什么这么拆分、每个 if 为什么这么判断，心里门清。Agent 写的代码，你得一行行逆向理解它的"设计意图"。
• 它太"自信"。输出永远干净漂亮，错误的代码看起来和正确的代码一样有说服力。

人写的 bug 有明显的"人味"；Agent 写的 bug 藏在漂亮的代码里。

---

门槛没有消失，只是移位了

维度	过去	Agent 时代
需求表达	给 spec 文档就够了	精准拆解复杂问题，写出无歧义的 prompt
代码审查	自己写的，大概知道哪里有坑	AI 生成代码必须一行行审查，错误更隐蔽
架构设计	编码时迭代思考	必须在 prompt 之前就想清楚模块边界、数据流、异常路径
调试能力	顺着自己的思路查	AI 代码的思路不是你的，逆向理解成本更高
抽象能力	加分项	必备技能——你得能从具体代码中提炼出可复用的 prompt 模式

过去你的核心竞争力是"能把功能写出来"。现在 Agent 把这件事的成本打到几乎为零。

现在你的竞争力变成了：

1. 能不能把问题定义清楚（让 Agent 写对的前提是你自己先想清楚）
2. 能不能看出代码的问题（Agent 的输出是半成品，不是成品）
3. 能不能管住整体的质量（安全、性能、可维护性，Agent 不担责，你担）

---

这并不是坏事

门槛移位不等于门槛降低。

10 年前你招一个程序员，看他能不能手写链表反转。今天你看他能不能在半小时内把一个模糊需求拆成 Agent 可执行的清晰任务，然后审核 Agent 产出、写出可靠的测试、集成到系统里。

后者比前者难得多。

但这也意味着，会用 Agent 的人和其他人的差距会拉得更大。工具越强，掌握工具的人越强——被工具替代的人，不是因为工具太强，而是因为自己没有越过那个移位的门槛。

---

一句话总结

Agent 不是降低了编程的门槛，而是把门槛从"能不能写"移到了"能不能看出来、想清楚、管得住"。

共勉。