有了ai以后需要什么样的程序员？

@axb 的自我修养：最近在做 ai 辅助开发方面的工作，经常会遇到一个避不开的问题：有了 ai 以后需要什么样的程序员？

我大概总结了三条。

首先，模型在超长上下文状态下精度会显著下降，因此需要使用模型的人具备任务拆解的能力。

这里说的任务拆解，不是单纯的按照时间顺序把任务拆解成具体步骤（这也是大多数人执行任务的方法），而是把任务拆分成互不影响的子任务。

“互不影响” 这个概念非常重要，在没有 AI 的时代，我们常说的 “高内聚、低耦合”、前些年风靡一时的 “微服务” 等等，本质上都是在表达这个概念。只有把任务拆解成 “互不影响” 的子任务之后，才能真正的降低任务的复杂度，从而实现团队化、工程化的开发。没有解决耦合问题，那么任务的复杂度本质上并不会降低，也不会有拆解任务的收益。

到了 AI 时代，传统软件工程的任务复杂度限制演变成了 AI 的上下文限制，复杂度的问题并没有消失，只是换了个形式。

但是绝大部分程序员，并不具备这个能力：在没有 AI 的时代，他们写的代码就充斥着耦合、支离破碎和各种丑陋的东西，这些东西会严重拖垮软件的可维护性。AI 可以提升解决问题的效率，但复杂性带来的问题还是一样复杂。

其次，模型存在幻觉，因此程序员需要知道 “什么是正确的”。

在推广 AI 辅助开发的过程中，我发现很多人第一反应是打开 “全自动” 模式，然后跟着 AI 的幻觉在代码库里漫无目的的游荡。

这有点像是《性能之巅》里提到过的 “随机变动法” 的升级版，至少在 AI 的幻觉问题仍然没有被解决的当下，幻觉始终会出现，并随着推理过程逐渐传播。这有点像是在爬一条没有路的大山，如果你不能给大模型很好的方向上的引导，大模型就会不停的被眼前的景色迷惑，并且不断的指出一条不存在的道路。

这种 “方向感” 可能来自于知识、经验或者纯粹的直觉，而可悲的是，大部分程序员，也并不具备这种能力：他们职业生涯的绝大部分时间只是在 “代码” 这座山里乱转，有了 AI 以后，只是让瞎转的速度变快了而已。

第三，模型没有目标，需要程序员提供有价值的问题。

最近看了一些访谈，大多数人在提到当前的软件开发行业里，更希望招有主动性，能够具备洞察能力的人。

这其实本质上跟 AI 无关，在任何行业里想要做的好，都需要具备这种特质。但是前些年软件行业坐火箭式的发展让人员需求背离了规律：很多人并没有任何职业上的闪光点，只是误打误撞坐在了风口上面，然后就被带上了天；还有一些人只是在电梯里猛做俯卧撑，就获得了成功。

行业下行时，之前大量的冗余人力不可避免的会被淘汰掉，AI 只是加速了这个进程而已。