刚满40岁的独立开发者Alex Gusev写了一篇名为《Challenge Is Gone》的长文，宣称自己一生用来证明工程能力的成就感回路彻底瓦解了。他的核心论断很干脆：借助现在的AI编码系统，任何他能想到的工程难题都能被解决，以至于他现在写软件完全不再阅读代码。
这种个体开发者的全能感正在科技圈快速蔓延，但严谨的工程效能测量却给出了完全相反的残酷镜像。
个人王国的全能解脱
在Alex Gusev过去的极客生涯里，编写代码的乐趣不在于商业变现，而在于攻克技术壁垒的阻力感。一年前，他还需要耗费数月时间去清理自己在LetterCarta项目中胡乱拼凑的生成代码。如今，多Agent系统已经能够自主编写、交叉审计并自动修正错误。
技术实现门槛的蒸发，在最近两个例子里体现得淋漓尽致：
- 一台没有macOS官方驱动的老式扫描仪，他借助AI仅用1.5小时就跑通底层通信，顺手搓出了一款顺手的原生扫描应用。
- 面对图像处理库的内存漏洞，他轻而易举生成了一张体积小于1KB、解压却能瞬间吞噬10GB内存的特制图片炸弹。
在Gusev看来，人类程序员已经无需纠结怎么做，唯一剩下的命题是做什么。他把这形容为终于登上了人生的第二级台阶。
不用看代码就能交付功能，确实极具诱惑力。但这种无所不能的体感，究竟是技术生产力的实质跃迁，还是一场发生在沙盒里的认知偏差？
象牙塔外的严酷测量：慢了19%的真相
当个体的掌控感爆棚时，软件评估组织METR进行的一系列严格科学实测，却撕开了一道巨大的裂痕。
METR于2025年7月10日发布了一项随机对照试验（RCT）。16名平均拥有5年经验的资深开源开发者，在各自熟悉的真实代码库中处理246个实际任务。工具选用的是当时主流的Cursor Pro搭配Claude 3.5与Claude 3.7 Sonnet。
结果令人大跌眼镜：使用AI工具辅助的开发者，完成任务的时间非但没有缩短，反而增加了19%（95%置信区间落在+2%至+39%之间）。
更为反常的是主观感受与客观事实的彻底脱节：在测试前，开发者普遍预测AI能帮自己节省24%的时间；在测试结束后，即便客观耗时变长，他们依然主观认为AI为自己节省了20%的时间。
到了2026年2月24日，METR公布了长期追踪更新：资深开发者耗时估算减少了18%，新开发者耗时减少4%。但两组数据的置信区间全部跨越了零点，加上样本损耗与选择性偏差，官方最终认定该数据只是极弱证据，根本无法证实AI带来了确定的加速效果。
随后在2026年5月11日，METR针对349名技术从业人员的调查再次显示：工程师自评工作价值提升了1.4至2倍，主观感知速度快了3倍。METR为此特意发出警告，从业者对AI带来的自评收益，长期远高于真实物理世界的测量数据。
- 风险.人在不用亲自动手打字时，等待生成、调试提示词、审查半成品代码的脑力疲惫会被碎片化稀释，从而营造出健步如飞的心理错觉。
虚假基准与绿地特权
为什么独立开发者觉得天下无难事，严肃工业测试却寸步难行？
答案藏在基准测试的成色与系统复杂度的鸿沟里。长期以来被AI厂商奉为圭臬的代码评测基准，本身正面临严厉的信用拷问。
2026年2月23日，OpenAI对业内标杆SWE-bench Verified的138个高难度任务子集进行审计，震惊地发现其中59.4%的任务存在严重缺陷。紧接着在2026年7月8日，OpenAI对SWE-bench Pro的审查再次指出约30%的公开任务存在逻辑损坏或虚假测试，官方随后直接撤回了对Pro版本的推荐。
所谓高跑分模型，很多时候只是在一份错漏百出的考卷里迎合了错误的答案。
古人云：虽有工巧，不可得而见其规矩。那些以为AI已经能够自主闭环的人，往往忽略了软件工程的物理法则。
独立开发者面对的大多是绿地项目，代码从零开始，架构极度扁平，即使出现设计缺陷，推倒重来的代价也微乎其微。Gusev可以完全不看代码，是因为他的硬件扫描工具即便崩溃，代价不过是重启一次程序。
但在拥有海量历史沉淀的工业级棕地系统中，软件的核心成本从来不在敲击键盘，而在系统一致性、并发安全以及长达数年的维护契约。多Agent互相检查，在封闭的小任务里看似自圆其说；一旦放入大型工程中，Agent生成的不可读逻辑，本质是在系统深处埋藏无法溯源的技术高利贷。
- 结论.放弃阅读代码并不代表工程挑战消失，它只意味着开发者放弃了对系统正确性的主权。
当一位程序员说他能解决所有工程问题时，他其实是把理解代码、定位隐患、承担崩溃责任的重担，全部推给了无法追责的模型。如果这算解决问题，那把未读邮件全部标记为已读，也可以称作高效办公了。从How跃迁到What并不是坏事，但在弄清软件到底该往哪走之前，先别急着庆祝代码的消亡。