28 年生产工程师眼中 AI 编程工具的真实影响

在继续阅读之前，我想坦诚地说一些事。

我写这篇文章不是为了向你兜售某个工具。我写这篇文章不是因为某个厂商给了我许可证。我写这篇文章是因为我在生产系统领域已经工作了 28 年——在 Fintech、Healthcare、Lifesciences、MedTech、EnergyTech、InsuranceTech 等行业——而且我一直在和我团队的工程师们进行的对话，是没有人在坦诚地讨论的。

对话是这样的。有人问我他们应该使用哪个 AI 编码工具。我开始回答，他们打断我说，不是，我不是问哪个最快或者哪个在某个基准测试中得分最高。我是问：这真的改变了你的工作方式吗？它让你变得更好了吗？还是只是让你以更快的速度做同样的事情？

这就是我在这里要回答的问题。从生产实战出发。从受监管的环境出发。从运行在真实基础设施上、真实的人依赖的真实代码出发。

背景很重要，让我给你说明一下。

我在一家能源科技公司（受监管的公用事业）运营工程部。我发布的代码运行电力生成系统。我也创办了 Ambharii Labs，在那里我构建开源 AI 工具——AgentMesh、ARGUS、Bulwark、TorchForge。我每天使用 Claude Code。我装了 Cursor。在那之前我用了 18 个月的 GitHub Copilot。

我不是中立的观察者。但我也不是那种在一个待办事项应用上跑三个工具一周后就写评论的评测者。我接下来要告诉你的一切都是基于生产代码、团队动态，以及在真正的工程组织中多年积累的那种技术债。

当我开始使用这些工具时，实际发生了什么变化

首先改变的不是我的输出速度。而是我选择把时间花在哪里。

在 AI 编码工具之前，我一天中的很大一部分时间都花在我称之为"翻译工作"上。把需求翻译成框架代码。写样板代码来连接想法和实际逻辑。在我能写一个有意义的测试之前，需要先设置测试框架。这项工作并不难。只是很慢，而且消耗的认知预算和需要判断力的工作一样多。

Claude Code 比其他任何工具都更好地改变了这个特定问题。不是因为它在所有情况下都更聪明。而是因为它在整个任务的层面上工作，而不是当前的一行。我可以用纯语言描述我在构建什么，它会生成足够接近有用的框架代码，这样我的实际工作可以从比之前更高的层次开始。在能源科技企业中，我用它在一个周末重建了一个数据管道集成，这本来需要两个工程师花一个冲刺周期。生成的代码需要审查和调整。但审查花的时间只是原始构建花费时间的一小部分。

这是大多数评论跳过的部分，所以我会花更多时间在这上面。

判断力没有改变。具体来说，判断力是指知道何时 AI 会以生产环境中才会显现的方式出错。Claude Code 上个季度为我生成了一个 Redis 故障转移模式，它在测试中完美工作，但在规模化的特定竞态条件下会默默地损坏数据。我捕捉到了它，因为我之前见过这种故障模式。不是因为任何测试标记了它。不是因为 AI 警告了我。而是因为 28 年来观看分布式系统故障给了你任何工具都还没有的模式识别能力。

架构没有改变。我在过去一年做的每一个重要架构决策——如何构建 ARGUS 可观测性层、如何设计 Aether AI 中的多租户隔离、如何在 Bulwark 中划分合规框架——都是我做的，而不是用 AI 做的。AI 对实现确实很有用。对于决定构建什么或各部分应如何相互关联则没有用。这种区别比大多数人愿意承认的更重要。

生产故障调试没有改变。当在受监管的环境中凌晨 2 点有什么东西坏掉时，真正重要的技能是从不完整的信息形成假设的能力、通过一个你没有完全构建的系统追踪因果关系，以及在压力下做决定。我还没看到任何 AI 工具改进过这种技能。我看到的是它让工程师变得更慢，因为他们首先求助于工具而不是思考。

数据说什么 vs 我在我的团队中看到的

2026 年关于 AI 编码工具的研究确实相互矛盾。

斯坦福 HAI 研究发现，在 AI 相关角色中，22 到 25 岁的早期职业开发者从他们 2022 年的峰值经历了 20% 的就业下降。初级开发者职位从 2022 年到 2024 年下降了 60%。编码训练营招生下降了 40%。

与此同时，整体软件工程职位在 2026 年初同比增长了 11%。劳工统计局仍然预测到 2033 年增长 17%。AI 工程师职位在初级开发者职位下降的同一时期增长了 300%。

从工程组织内部看起来是什么样的？我管理一个团队。我在真实的招聘决策中看到这一切上演了，而不仅仅是统计数据。

我们停止了用我们以前的方式补充初级职位。不是因为我们决定了。而是因为计算悄悄改变了。一个具有良好 AI 工具流利度的资深工程师现在覆盖的地面以前需要一个初级和一个资深一起工作。这不是一个政策决定。这是一个发生在任何声明层面以下的经济决定。

没有人足够大声讨论的后果是管道问题。资深工程师来自某处。他们来自未被填补的初级职位。AWS CEO 马特·加曼称消除初级层"是我听过的最愚蠢的事情之一"，并警告了下一个十年的灾难性技能差距。他是对的。但创造这种差距的决定是在像我这样的团队中一次一次招聘冻结时做出的，没有恶意，完全的经济理性。

对我的工程师一直在问的问题的诚实回答

AI 工具会让你变得无可替代吗？不会。没有什么会让你无可替代。

它们会让你更有效率吗？是的，在特定的事情上。框架代码、样板代码、文档、第一稿测试、重构已知的模式。生产率提升是真实的，而且不小。

它们会取代你吗？这取决于你做什么。如果你的价值在于执行具有已知形式的任务——写这个端点、创建这个迁移、记录这个函数——你处于真实的风险中。不是因为 AI 比你更好地做这些事情。而是因为一个懂得如何指导 AI 的工程师比你更快地完成这些事情，你的角色的经济理由就会侵蚀。

如果你的价值在于理解一个系统为什么表现得这样、故障模式如何传播、什么样的架构适合没有人完全阐述的约束集——那个价值没有侵蚀。它增加了，因为有它的人和没有它的人之间的差距现在比以前更明显了。

我实际使用的和为什么

Claude Code 用于任何涉及真实代码库理解、多文件更改或系统级推理的事情。上下文窗口和描述意图而不是机制的能力对于复杂工作是值得的。

Cursor 用于日常驱动编辑，当我在流中时想要内联协助而不切换上下文。

两者都不用于架构决策、生产调试或任何微妙错误答案成本高的事情。

AgentMesh 在两者前面，因为当你在受监管的环境中工作时，你需要一个治理层来追踪 AI 被问了什么、它生成了什么以及成本是多少。当代码运行基础设施时，这不是可选的。

没有人问但应该问的问题

关于 AI 编码工具的大多数对话都关注个别开发者。我应该使用这个工具吗？它会让我更快吗？

我认为更重要的问题是这些工具在十年内对软件工程这个手艺做什么。现在的资深工程师是通过做 AI 工具现在为初级开发者做的工作学会的。他们调试了他们写得不好的代码。他们阅读了他们不理解的错误消息。他们构建了以他们必须诊断的方式失败的系统。这种经验是你如何构建模式识别的，能够在凌晨 2 点捕捉到 Redis 故障转移中的竞态条件。

如果入门级层显著变薄——而且它正在变薄，数据很清楚——2036 年的资深工程师将以不同的方式形成。这在高级别是否会产生更好或更坏的工程师，是没有人知道答案的问题。包括我。

我知道的是工具是真实的，生产率收益是真实的，后果以比恐慌或乐观主义都要复杂的方式展开。

我有 28 年的数据点。这是我看到的最不确定的时刻。这不是一个警告。这只是从这里来看诚实的样子。

Anil S. Prasad 是 Ambharii Labs 的创始人，也是财富 100 强能源科技公司的工程和产品负责人，在不同企业、私募股权公司和风投公司担任技术和工程顾问。他在 github.com/anilatambharii 构建开源 AI 治理工具——包括 AgentMesh（AI 工具的治理代理）、Bulwark（代理安全框架）和 TorchForge（企业 PyTorch 治理）。他撰写关于在受监管的 AI 部署中实际出现问题的内容。

如需进一步行动，你可以考虑屏蔽此人和/或举报滥用行为