AI浪潮下的一些思考
AI 这个词，从 22 年底开始就再没离开过我的视野。这几年里，我对它的认知一次次被推翻、重建——从最初的不屑一顾，到如今每天都离不开，连我自己都觉得不可思议。
我与 AI 的这几年
22 年年末，ChatGPT 发布。 23 年年初，和之前公司的领导、同事一起吃饭，席间聊起了 AI。那时对 AI 的认知，仅仅停留在 ChatGPT 界面上那个小小的输入框里，便随口说道：”目前来看，AI 似乎只是一个聊天工具，查资料挺方便，但对于工作和日常生活，还没看到它的实际用途。”那个时间节点又恰逢元宇宙概念开始破裂，于是接着补了一句：”或许还得再等几年，就怕和元宇宙一样，最后只是一场泡沫。”
23 年，各种 AI 编程辅助工具开始出现。 彼时这类工具的上下文极其有限，只能完成代码补全这类局部工作。我抱着尝试的心态用了几次，再结合 ChatGPT 处理一些简单的重复性任务，比如把数据转成 JSON、整理文本格式等。但由于还不够成熟，并未对工作方式带来实质冲击。也正是从这时起，各类辅助工具开始集中涌现。
24 年，Cursor 的发布，真正推动了 AI Coding 的发展。 不过受限于上下文大小和较高的费用，我并没有深入使用；和朋友交流时，大家也都觉得 AI 还没到真正能改变编程习惯的时候。
25 年，国产模型 DeepSeek 的发布，掀起了一场全民 AI 浪潮。 国内大部分人开始主动了解 AI，相关讨论的热度前所未有。推理模型的进一步发展，让 AI 能对复杂问题进行更深层次的思考；各类 AI IDE 也开始向 AI Agent（AI 智能体）转变，AI 在工作中的能力被进一步发掘。25 年年底，我和同事买了一个月 GLM 的 Coding Plan，第一次直观地感受到了 AI 的强大——小到一个工具脚本，大到一个完整模块的实现，每一次的产出都远超我的预期。
26 年，openClaw 的爆火、国产大模型的相继问世，以及 AI 圈层出不穷的新技术，一次次刷新着我对 AI 能力上限的认知。我也从最初的质疑，到尝试，再到完全接受，完成了一次自我蜕变。在这整个过程中，周围人对 AI 的不同看法，也让我有了一些不一样的感受。
没有调查，就没有发言权
第一类人，或许只用过最初的代码补全工具，便对 AI 的发展判了死刑，认为 AI 也就那样了，BUG 率高得惊人。无论 AI 后续发展到什么地步，他们的认知都会停留在最初的印象里，并不断向周围人输出”AI 不行””AI 给的结果不满足要求”之类的言论。
而当我使用 SDD（Spec-Driven Development，规范驱动开发）工作流，一个人在半个月内交付了过去五人团队需要一个半月才能完成的任务——从需求拆解、技术方案设计、模块实现到最终联调，全部由我独立完成——这部分人依然停留在”AI 必死”的幻想里，并不在意你实践得出的结论。
我尝试过很多次向他们展示 AI 的能力，但始终说不通。后来开始反感、甚至厌恶和他们讨论 AI 相关的话题，因为大家的认知水平根本不在同一条线上。即便后来他们有所改观，我也已经放弃了和他们聊这些。没有调查，就没有发言权——既然他们可以不经调查就乱下结论，那我也没有必要在他们身上浪费时间。
干中学，学中干
第二类人终于开始接触并使用 AI 了，但他们依然带着抵触和质疑。在他们看来，既然是老板要求使用，那么 AI 就不能出错，AI 就应该指哪打哪，一句话就把需求做完。一旦 AI 出现任何错误，他们就会高高站起，轻蔑地说：”AI 也不行啊，虽然快，但问题也多。”当我指出”单纯通过对话一来一回的开发模式并不适合大需求”时，他们也不会去理解我的意思，只用一句”AI 每次给出的结果都要我改好久”轻轻带过。
如今 AI 领域的信息更新非常快，几乎每周都有新内容出现，社区也涌现了许多减少 AI 幻觉、提升输出质量的开源仓库。这让我几乎每周都会把新东西应用到 AI Coding 中，去寻找最高效、最实用的方式。也正是在不断的实践中，我深刻体会到干中学，学中干这句话的分量——在一次次推翻重来的循环里，最终整合出了一套属于自己的方法论与工作流。
拥抱与实践
我是一个一直愿意不断尝试，并在尝试中形成自己判断的人。
正因为热衷于探索新事物，AI 发展的每一个关键节点，我都没有缺席：从最早的聊天辅助、代码补全，到 AI Coding。25 年年初，我还尝试用 LangChain 调用大模型做 text2sql，那时 AI 的推理能力远不如现在，结果总是参差不齐；但只要给出足够的示例，基本也能满足要求。这些不算成熟的早期尝试，反而让我比身边大多数人更早地建立起了对 AI 真实能力边界的判断。
身边从来不缺杂音。有人因为我用 AI 而冷嘲热讽，也有人在我用结果说话之后才匆忙跟进。但回头看，所有早期的尝试都没有白费——它们让我在 AI 真正爆发的时刻能第一时间分辨出哪些是真正的变革、哪些只是噪音；也让我在面对前两类人的质疑时，多了一份”用结果说话”的底气。
任何新事物的发展都伴随着质疑，这是常态。但质疑应该来自实践之后，而不是想象之中。
关于 AI 对人类社会的影响的思考
AI 的出现，常被类比为过去的几次工业革命。第一次工业革命带来了蒸汽机，纺纱机淘汰了一批纺织工人，但纺织这个工种并未消失；第二次工业革命提升了生产效率，重塑了工厂的组织方式；第三次信息革命，让计算机和互联网渗透到几乎所有行业。
但 AI 与过往的技术变革有一个本质区别：过去的技术，冲击的主要是体力劳动——蒸汽机替代体力，流水线替代手工，自动化替代重复操作；而 AI，是人类历史上第一次出现的、能够大规模替代脑力劳动的技术。它带来的不仅是效率的提升，更可能是整个知识工作者价值体系的重构。
那么，AI 会让人们的工作时间减少吗？AI 又会取代人类的工作吗？
AI 会让人们减少工作时间吗？
回顾以往的技术变革，工作时间的减少是先进科技带来的吗？并不是。第一次工业革命让人进入工厂，劳动时间反而先变长了；后来随着工人运动和劳动法律的逐步完善，工作时间才开始缩短。减少工作时间是工人们争取来的，而不是先进科技自动给予的。 科技带来的是效率提升，但人的工作时长还是那么长——雇主只会在原有的工作时间里塞进更多的工作内容，把它填满。
AI 会取代人类工作吗？
先进科技并不会直接取代人类，而是会淘汰一部分无法适应它的人。它让旧岗位减少，同时催生新岗位；作为劳动者，需要做的是去适应新的生产方式。
我对 AI 并不抗拒，相反，我很期待它未来的发展。曾经有许多天马行空的想法，因为时间有限，只是停留在”提出来”的阶段，并没有付诸实践；而现在，AI 让这些想法得以落地，也让我有机会去验证一些过去的猜想。
对未来 AI 发展的看法
上个月和之前的领导、同事一起聚了一次。聊天时，领导抛出一个问题：AI 现在这么强，再发展下去，我们这群人要去哪里？
这恰好也是我反复思考过的问题。在我看来，未来的代码或许不再出自程序员之手，而是出自那个真正理解业务、能精确定义产品的人。代码能力会被弱化——它不再会是一家普通公司招人时的第一准则；取而代之的，是定义问题的能力、组织 AI 协作的能力，以及对最终产出质量的把关能力。
程序员这个角色不会消失，但它的重心会发生迁移：从”写代码”迁移到”设计系统”，从”实现功能”迁移到”判断价值”，从”个人产出”迁移到”调度多个 AI 协同产出”。我们这群人未必会消失，但每个人都需要重新回答一个问题：在 AI 时代，我的不可替代性到底在哪里？
回答得清楚的人，会比过去走得更远；回答不清楚的人，会被时代慢慢推到一边。这不是危言耸听，而是过往每一次技术变革中都已经发生过的事情。
结语
回到 23 年年初那次饭局——当时我说：”就怕和元宇宙一样，最后只是一场泡沫。”
三年过去，现实给了一个再清楚不过的答案：AI 不是泡沫，它是一场真切的、正在发生的变革。
这两年，AI 对我的思想进行了一次又一次的冲刷——从第一次使用 AI 补全代码时的鄙夷，到第一次用 AI 完整实现一个需求时的兴奋，再到使用 SDD 显著提升产出质量时的感叹。每一次都让我对 AI 产生新的认识，也促使我不断思考人与 AI 之间的关系。未来的我们，或许会一个人操控着许多 AI 员工，自己则成为管理者。
时代的车轮滚滚向前，科技的发展并不会以人的意志为转移。
与其抵制，不如张开怀抱，适应变化，完成自我的蜕变。