资深技术博主 Dan Luu 最近写了一篇短文,把矛头直接对准了当下最流行的写码习惯:关掉大脑,把一切丢给模型。工程师让 Agent 写一段功能,跑不通就将报错贴回去,周而复始。这种充当执行管道的操作,被德国开发者 Niklas Gruhn 尖锐地命名为“肉身代理”(meat proxy)。这种自欺欺人的偷懒方式正在科技界蔓延,却隐藏着一个致命的逻辑矛盾。

如果一个人关掉大脑、仅靠不断把大模型的输出塞进系统就能交付可用软件,企业根本不需要雇佣这个肉身中介。公司写一个脚本让大模型自己跑完整个循环即可,成本更低,速度更快。选择放弃思考的开发者,实际上是在亲手调试一套淘汰自己的自动化脚本。

开发模式的分水岭:机械搬运还是架构护栏 肉身代理模式(走向淘汰) 工作方式:机械复制提示词与报错 代码控制:不读细节、盲目合并 PR 最终结局:被无头自动化脚本完全替换 脚手架工程模式(核心壁垒) 工作方式:规范定义、评测集与边界约束 代码控制:严苛审查语义差错与架构漂移 最终结局:主导高价值系统设计与终极问责

肉身循环的死局:当工具跑通,公司为什么留你

行业里的分工确实正在迁移。OpenAI 内部一个小团队借助 Codex 在 5 个月内交付了约 100 万行代码,合入约 1,500 个 PR。这些工程师完全不写一行基础实现,全副精力扑在环境脚手架设计、任务边界定义和自动化工具链上。OpenAI 的统计同时显示,其内部业务职能员工运行 Codex 的任务里,超过四分之一已经被归类为软件工程或代码编写。

当写码门槛被压低到业务人员都能上手时,只懂搬运代码的初级劳动力便丧失了立足点。正如技术老手 Gary Bernhardt 所言,大模型生成的代码经常充斥着多余测试与混乱逻辑。他处理一个环境变量配置时,模型在脚本和流程里改了整整 20 处,而真正懂架构的人只需改动一个单词。

不动脑的代码生产不是效率,只是把思考成本转嫁给了未来的调试者。
  • 风险.把逻辑推演完全让渡给模型,开发者就会迅速退化为报错信息的搬运管道。

速度幻觉:自认快了两成,实测反而慢了两成

许多人坚信大模型大幅提高了开发速度,但严谨的对照实验给出了反常结论。METR 在 2025 年针对 16 名在目标成熟开源仓库平均拥有 5 年经验 的资深开发者进行了 246 项真实任务实验。开发者在动手前预测 AI 会让自己提速 24%,做完后主观感觉提速了 20%。然而经过秒表级别的客观度量,他们实际消耗的时间反倒延长了 19%,个体表现区间落在慢 2% 到 39% 之间。

真实实验中的生产力认知落差(METR 2025 对照组) 事前主观预期 +24% 开发者预测提速幅度 事后主观体感 +20% 自认节省的工时感知 实际测量结果 -19% 耗时反向延长 2%~39%

这种反差揭示了软件工程的核心隐性成本。代码生成只需数秒,但在成熟代码库中,理解原有上下文、排查微小的语义幻觉、修正模型编造的边缘用例,把原本节省的时间消耗殆尽。

相较之下,MIT 追踪微软、埃森哲等企业 4,867 名开发者 的现场实验显示,AI 辅助确实让周任务完成量提升了 26.08%(标准误 10.3 个百分点),但获益最明显的是经验较浅的新手。在缺乏历史包袱的标准模块中,生成代码能解燃眉之急;但在深水区,轻信大模型不仅无法省事,反而成了工时黑洞。

榜单上的高分同样经不起推敲。尽管评测集显示 SWE-bench Verified 能刷出约 80% 的通过率,但 OpenAI 在 2026 年 2 月宣布停止使用这一基准。内部审计发现,138 个高频失败任务里有 59.4% 本身就存在测试损坏或说明语病。2026 年 7 月公开的 SWE-bench Pro 虽然记录下 80.3% 的成绩,但约 30% 的任务同样带有损坏缺陷。到了 2026 年 8 月推出的高难度 SWE-bench Science 上,顶尖评测 Agent 的 pass@1 成绩瞬间跌破 50%

工业级系统从来不能靠一键甩手搞定。如果基准测试本身都有六成题目存在瑕疵,开发者盲目通过 Agent 合并代码,推向生产环境的只会是掩盖在虚假绿灯下的技术债务。

审查破产与人才断层:被抽掉的学徒梯子

更大的危机发生在人的身上。Anthropic 分析了大约 40 万次 Claude Code 会话,确认当下最主流的人机交互是人类定目标、AI 负责写代码。但在同步进行的对照实验中,借助 AI 辅助学习新开发库的用户,在后续脱离工具的独立测试里,掌握度比对照组直接低了 17%

AI 编程浪潮下的能力退化与岗位挤压 独立知识掌握度测试得分 -17%(脱离 AI 后) 22-25岁初入职场者相对就业率 -19%(招聘显著收缩) 狭义程序员岗位(2025-2035) -7.3%(BLS 预测萎缩) 广义软件开发者(2025-2035) +10.2%(净增 17.47 万人)

工程师不是生来就懂架构的。以往正是通过成千上万次写基础代码、踩坑调试,新人才磨练出对系统的直觉与嗅觉。一旦初学者习惯关掉大脑看结果,审查代码所必需的判断力就会彻底萎缩。你无法审查一段你自己都不知道该如何实现的代码。

METR 在 2026 年初的调查印证了这种不信任感。约 40% 的受访者在低风险项目中愿意放手让 Agent 自动执行系统命令,但在涉及核心资产的高风险环境里,敢放权的比例骤降至 20% 以下。关键系统的阀门依然必须由人把守,但合格把关人的供给正在断裂。

斯坦福大学数字经济实验室在 2026 年 8 月的研究指出,在高 AI 暴露度的职业中,22 至 25 岁初入职场者的就业水平比同龄对照组低了大约 19%。这并非源于直接裁员,而是企业在源头上缩减了初级研发岗位的招聘。美国劳工统计局预测,2025 至 2035 年间整体软件开发岗位仍将增长 10.2%,净增约 17.47 万人,但狭义上单纯负责编码的“程序员”岗位将萎缩 7.3%

  • 结论.初级码农的学徒期正在被行业连根拔起,只有完成向架构约束与评测环境设计的跃迁,工程师才能守住职业身位。

古人讲“操斧伐柯,其则不远”,拿着斧柄做样板去砍新的斧柄,规矩和尺度本在自己手中。如今的技术实践里,若开发者把斧柄彻底扔给模型,自己仅充当搬运木料的走卒,被木料砸伤或被流水线替代只是时间问题。善用 Agent 的前提是握紧审视代码的缰绳,在这场技术重构中,唯独没有“关掉大脑”这一选项。