“代码已死”这句话，可能才是今年 AI 圈最大的错觉

过去两年，科技行业里最流行的一句判断，大概就是“代码要没了”。

从大模型能自动补全函数，到一句话生成网页、应用、小游戏，再到“vibe coding”这个词横空出世，很多人开始相信：未来的软件开发，或许就是对着 AI 说人话，剩下的交给机器。学编程？好像已经成了一种会被时代甩下去的旧技能。

但美国开发者、Val Town 创始人 Steve Krouse 最近写了一篇题为《Reports of code's death are greatly exaggerated》的文章，标题借用了马克·吐温那句著名的调侃：关于代码之死的传闻，被大大夸张了。读完之后，我的第一反应是：这不是一篇“程序员自我安慰”的文章，反而像是给整个 AI 行业泼的一盆冷水，而且泼得很及时。

当“感觉差不多”遇上真实世界，Bug 就来了

Krouse 抓住了一个很多非技术人很难意识到的问题：自然语言看起来很精确，实际上经常只是“看起来”。

我们平时说一句“做个支持多人实时协作的文本编辑器”，听上去似乎已经足够明确了。毕竟 Google Docs、Notion、飞书文档大家都用过，脑子里马上就有画面：几个人同时编辑，光标闪来闪去，内容自动同步。这种需求的危险之处就在这里——因为太熟悉，所以它会给人一种错觉：这不就是个很清楚的功能吗？

可一旦你真的动手做，复杂度会像地毯底下的灰一样全冒出来。谁先写、谁后写？断网怎么处理？冲突如何合并？权限怎么控制？消息延迟时界面怎么反馈？撤销操作是按个人算，还是按文档全局算？这些问题，用户嘴上不说，不代表它们不存在。它们只是在等一个最糟糕的时机跳出来，把产品和团队一起绊倒。

Krouse提到一个很典型的例子：媒体人 Dan Shipper 曾用“vibe coding”的方式做出一款文本编辑应用，产品一度爆红，然后很快宕掉。原因并不玄学，就是那句后来被他自己总结出来的话：“实时协作难得离谱。”

这其实正是今天很多 AI 演示最爱回避的部分。生成一个 demo，AI 的确越来越强，十分钟出一个像样的雏形已不稀奇；但把 demo 变成一个能扛住用户、数据、边界条件和线上事故的产品，仍然是另一种生物。前者更像是搭景拍照，后者才是盖房子住人。

AI 不是在消灭编程，而是在暴露复杂度

“vibe coding”这个词之所以流行，是因为它确实说中了某种体验：你不必一行一行敲代码了，可以站在“想法”和“感觉”的层面，边看 AI 产出的结果，边不断修正自己的要求。按钮往左一点、颜色再蓝一点、表单改成三栏……这种创作方式很顺手，也非常上瘾。

问题是，它容易让人误以为：只要我说得像回事，我的需求就已经足够精确。

这正是 Krouse 最核心的提醒。AI 帮助人们更快把模糊想法变成可运行的软件，这当然是好事；但它并不会神奇地抹掉复杂性。相反，它会更快地把复杂性提前暴露出来。你原本可能要写三周代码，才发现需求描述里有一堆漏洞；现在 AI 可能让你在一天之内就撞上这些漏洞。效率提升了，撞墙速度也提升了。

这件事为什么重要？因为它直接决定了未来软件行业里“谁有议价权”。如果把编程理解成“把英语翻译成某种机器能执行的语法”，那 AI 确实会吃掉大量工作；但如果把编程理解成“用严谨的方式组织复杂系统，并为它设计可维护的抽象”，那 AI 反而会让这件事更有价值。

你会发现，今天最有经验的工程师越来越像建筑师，而不是砌砖工。他们真正稀缺的能力不是打字速度，而是知道哪里会塌、哪里会绕晕人、哪里以后一定返工。AI 可以替他们画图、搬砖、算料，但未必能替他们承担判断。

好代码从来不只是产物，它本身就是一种思想工具

Krouse文章里有一个我非常认同的观点：很多人误会了代码，以为代码只是“生产软件的中间步骤”。其实不是。代码本身就是一种思考方式，也是一种知识压缩工具。

这听起来有点学院派，但你只要想想 Slack 那张著名的“通知什么时候触发”的流程图，就会明白。那张图复杂得像地铁线路，普通人看一眼就头大。但后来有人通过更好的抽象，把同样的逻辑重新整理成更清晰的结构。功能没变，复杂性也没消失，可人终于能看懂、能讨论、能修改了。

这就是抽象的力量。

计算机科学历史上，真正改变行业的往往不是“代码变少了”，而是“表达复杂问题的方法变好了”。从高级语言替代汇编，到面向对象、函数式编程，再到 React 改写前端界面组织方式、TailwindCSS 改写样式表达方式，本质上都是在发明更好的抽象层。它们没有消灭复杂度，只是让复杂度变得可驾驭。

所以我一直觉得，“以后大家都不需要代码”这个判断，和“有了相机以后大家都不需要绘画”“有了打印机以后就不需要写作”属于一类误解。技术降低了生产门槛，却没有消灭高质量表达的价值。恰恰相反，门槛越低，真正有结构、有品味、有判断力的作品越稀缺。

在这个意义上，代码很像写作。AI 今天已经能写出一段通顺的文章、像样的邮件、甚至结构工整的评论，但没人会因此得出“记者不需要了”“小说家完了”的结论。大家很清楚，语句通顺不等于思想到位。代码也是一样：能跑，不等于好；能上线，不等于能扩展；能演示，不等于能托付业务。

如果 AGI 真来了，程序员最先做的不会是偷懒，而是“追求更好”

Krouse 还把这个问题推到了更远的未来：假设有一天 AGI 真的出现，机器智能在大多数任务上都接近甚至超过人类，那代码是不是更不重要了？

他的答案是否定的，我也基本同意。

很多关于 AGI 的想象，默认人类会用它制造更多“差不多就行”的东西：更多粗糙产品、更多流水线内容、更多拼装软件。但这其实低估了人的欲望。工具越强，真正有追求的人越不会满足于粗制滥造。摄影器材更高级，并没有让顶级摄影师拍得更敷衍；乐器更便宜，也没有让作曲家放弃编配。强大工具通常会把人的上限拉得更高，而不是把标准拉得更低。

所以如果未来人人都能以极低成本调用“100 个 Karpathy 级别的智能体”，最先发生的事情大概率不是“软件工程消失”，而是大家开始解决那些以前太难、太烦、太不值得碰的抽象难题。比如实时协作库为什么总是难用，状态管理为什么总让人绕晕，全栈框架为什么总在路由、数据加载和部署上相互打架。

Krouse 在文中举了自己的例子：他用 AI 帮助梳理 React Router 7 在 Val Town 上做全栈开发时的一系列难题，并据此做出了一个新的框架原型 vtrr，还展示了一个只有 50 行、放在单文件里的全栈 React demo。这个案例的关键不在于“AI 帮他少写了多少代码”，而在于 AI 帮他跨过了原本卡住他的抽象门槛。

这也是我认为行业最该关注的方向。未来最值钱的，不一定是“会不会写代码”，而是“能不能借助 AI 设计出更好的系统结构”。程序员这个职业也许会被重塑，但不会被抹除。它更像是在从手工业升级为导演、编辑、架构师、审稿人和系统设计师的混合体。

真正该担心的，不是代码消失，而是大家误以为理解已经不重要了

眼下最危险的趋势，不是 AI 生成代码太多，而是越来越多人开始把“不理解”合理化。

反正模型会写、会修、会补，出了问题再问它就行——这种心态短期看很省事，长期却可能让整个软件行业付出代价。因为一套没人真正理解的系统，早晚会在规模扩大、团队交接、业务变形或者安全事故里反噬回来。今天你把复杂度包给 AI，明天复杂度就会连本带利地找上门。

这也是为什么我不太认同“以后不必学编程”的轻率论调。学习编程的意义，从来不只是学一门谋生技能。它训练的是一种能力：如何把模糊想法变成精确规则，如何拆解复杂问题，如何发现边界条件，如何在系统出错时追到根源。就像学写作不只是为了当作家，学数学不只是为了当数学家，学编程也不只是为了当码农。

当然，编程教育本身也该变。死记语法、手搓样板代码的时代确实在过去。未来更应该教的，也许是需求建模、系统设计、测试意识、调试方法、抽象能力，以及如何与 AI 高效协作。说白了，不是“别学编程了”，而是“别再只学 2015 年那套编程了”。

Krouse 文章最后引用了 Dijkstra、Tony Hoare 和 Babbage 的话，谈形式化语言、简洁表达与软件设计。我很喜欢其中隐含的一层意思：精确，不是冷冰冰的束缚，而是人类对复杂世界争取控制权的一种方式。自然语言很美，但它常常允许我们含糊其辞；代码之所以重要，恰恰因为它逼着我们面对含糊，直到没法再糊弄过去。

这件事在 2026 年格外值得重提。因为 AI 越强，我们越容易把“生成”误认为“理解”，把“可运行”误认为“可维护”，把“像成品”误认为“就是产品”。而科技行业这些年最擅长的，恰恰就是把 demo 当成未来，把错觉包装成趋势。

如果说 AI 正在改变编程，那它改变的不是代码是否存在，而是我们终于不得不重新回答一个老问题：软件工程里，真正值钱的到底是什么？我越来越相信，答案不是语法，不是 IDE，不是谁打字更快，而是人如何用抽象去驯服复杂性。只要这个问题还在，代码就不会死。