AI 正在消灭软件工程的中产阶级：代码变便宜了，判断力变得更贵

原文来源：Florian Herrengt 博客 — AI 让平庸的工程决策以前所未有的速度堆积，坏工程师的代价变得不可承受，工程师行业正在裂成"能判断的人"和"被替代的人"两极。

时间回到 2020 年。你是团队里最资深的人，负责代码质量和架构。你建立了一套良好的工程实践，认真 review 每个比你资历浅的人的 PR，努力维持一个健康的代码库。然后你去度假了。回来的时候，代码库变成了一团糟——所有人互相合并 PR 却没人认真看，有人为了图省事给数据库加了一堆反范式化的表，还有人没有任何依据就往技术栈里塞了 serverless 和 Kafka。

没关系，你能修好。

时间快进到 2026 年。你没去度假，只是一个普通的周一早晨。你泡好咖啡，打开电脑，发现邮箱里有 7 个 PR 等着 review。打开第一个：+24506 / -3938 行，配了一段 AI 生成的改动说明。你的团队从上周五到现在，做的改动比当年你度假几周时还多。

AI 拆掉了速度限制

Florian Herrengt 是一位资深软件工程师，在博客上写下了这段观察。他的核心论点：AI 让工程文化薄弱的项目失败得更快。

以前，人们会坐下来讨论怎么做一件事。现在，他们可以让 agent 跑几个小时，然后直接开一个 PR。最悲剧的是，这种方式在没受过训练的人眼里看起来是"有效的"——拉下分支、跑一下测试，功能确实能用。于是他们继续这么干，一遍又一遍，直到项目复杂到没人知道任何东西是怎么工作的。

这就像刷信用卡买豪车：你只看到光鲜的车，看不到债务。

然后用户开始报一个诡异的 bug，团队第四次尝试修它——准确说是第四次让 AI 修它。连 Fable 都搞不定了。你去问写这个功能的人：

• "数据从哪来的？"
• "嗯……其实我也不知道，让我问问 Claude。"

两个人坐在那，看着屏幕上无尽的文本流。谁也不知道里面有多少是真的，但 Claude 看起来很自信。

这个项目已经变得如此盘根错节，层叠了那么多服务和抽象，团队里没有任何一个人能从头理解它。修复它需要的工程量巨大到无法向管理层证明其合理性。而且就算修好了，几个月后它又会变成同样的一团糟。

代码变便宜，判断力变贵

Herrengt 指出，上面这个故事里每个人都在失职：

• 开 25000 行 PR 的工程师，早该在 agent 跑出这么多代码前叫停。他应该理解 agent 在做什么，把工作拆小，质疑它引入的每个新抽象
• 负责 review 的人应该拒绝 review 这么大的 PR，而不是屈服
• 加 Kafka 的人应该能解释清楚为什么需要它
• 写那个功能的人，应该能说清数据从哪来，而不是甩一个 Claude 对话链接

坏工程师从来都是负债，这点几十年前就是这样。区别在于，以前有一个"速度上限"：一个人再能干，一天能写坏的代码量也是有限的，而且错误决策会被周围的 review 和讨论兜住。现在这个上限被 AI 拆掉了。

"把代码写出来"这件事变得极其廉价。你被雇来是做正确决策的——构建能规模化、能管理复杂度的软件。想想为什么伦敦或旧金山的公司愿意付六位数年薪：如果他们要的只是把需求变成能跑的代码，早就可以在别处更便宜地搞定。

Herrengt 的判断：AI 会把工程师薪资进一步拉开。想保持可雇佣，你得越过一条线——那条线就是"当前最好的模型能做到什么"。好工程师变得更值钱，因为 AI 让他们快得多，他们不再需要那么多人帮忙做实现工作。与此同时，坏工程师的雇佣成本变得高得离谱——他们现在能用 AI 一天产出过去一年的代码量，而每一行都要别人去理解。

他之前写过一篇文章叫《vibe coder 的职业路径是死路》：如果你的贡献只是"给 agent 一个 prompt"，那你没有越过任何门槛。缺乏判断力的人，向 AI 要更多判断也解决不了问题——因为评估 AI 的建议这件事本身，就需要判断力。

谁是最值钱的人

"总得有人知道到底发生了什么。那就是团队里最值钱的人。"

那些不知道的人，会变得便宜得多，或者干脆被替换掉，而钱会流向越来越少、真正可以信任的人。

Herrengt 认为这不只限于软件工程："我相信同样的事情会发生在大多数知识工作上。AI 会让最优秀的人生产力大幅提升，让最差的人几乎无法被雇佣。"

几个值得商榷的地方

这篇文章的观察很锋利，但作为随笔，也值得挑几个刺：

"中产阶级"的比喻并不精确。文中说的"坏工程师"其实不是中位数工程师，而是能力垫底的那批。真正的中位数工程师——能写扎实代码、需要别人指点架构但能执行好——处境更微妙：他们不会被 AI 直接替代，但确实面临"被好工程师 + AI 的组合挤掉"的压力。作者的分类是二元的（判断者 vs 被替代者），现实更接近连续光谱。

历史反复重演。类似的"行业两极分化"预言，在 IDEs 时代、Stack Overflow 时代、外包潮时代都出现过。每次的结局都是：底层淘汰、中层转型、顶层溢价，但行业的总体规模反而变大了。AI 时代是否真的不同，取决于"代码量需求"是否也会被 AI 放大——如果需求增速快于生产率增速，中层的绝对数量未必会缩水。

"被 AI 拆掉的速度上限"是全文最好的洞见，也是最难反驳的。以前糟糕的架构决策会被项目节奏天然限制住，现在 AI 让一切加速，错误决策的复利速度超过了团队的理解速度。这一点无论怎么反驳都成立——团队纪律和 review 流程的权重，确实在 AI 时代变得前所未有地高。

结尾

Herrengt 的文字让人不舒服，因为它戳中的是真实存在的现象：PR 越开越大、设计决策藏在 Claude 对话里、没人能解释数据流。这些场景在国内的 AI 辅助开发团队里同样常见。

他的建议其实很朴素：如果你想让自己的价值不被 AI 稀释，就得成为"知道到底发生了什么"的那个人——能判断 AI 的建议是否靠谱，能在 25000 行的 PR 面前叫停，能在别人甩 Claude 链接时说出"哪个部分该读"。判断力、系统思维、对复杂度的管理能力，这些从来不是 AI 的强项，而恰恰是它最需要人类补上的部分。