一位做了 10 年软件工程的后端工程师，最近写了一篇很扎心的文章。

他不是刚入行的新手，也不是只会 CRUD 的人。他长期做金融、记账、支付处理后端，熟悉 PCI、复式账本、托管、对账、支付生命周期、银行转账幂等等问题。

这类经验，过去很值钱。因为它不是看几篇文档就能补齐的东西，而是项目、事故、责任和业务后果一起压出来的。

现在他发现，LLM 正在一层层削低这些优势。

这篇文章真正刺人的地方，不是又一次问“程序员会不会失业”。这个问题太粗。更具体的变化是：软件工程里最值钱的稀缺性，正在从多年经验，转向组织上下文、判断责任和 AI 时代的激励设计。

三根支柱被削低：领域、调试、架构

他的第一轮冲击，来自领域知识。

入职一家金融公司后，公司鼓励他用 ChatGPT 和 Claude 写研究、方案和代码，但要求他仍然对进生产的每一行负责。他一开始不太信。后来发现，LLM 不只是润色设计文档，还能参与方案权衡。

比如收单怎么走，幂等怎么设计，如何避免重复扣款，系统边界怎么拆。

这些不是小玩具问题。支付系统里，重复扣款、账务不平、托管边界不清，都会变成真成本。过去它们靠老工程师的经验压住。现在，其中相当一部分可以被 prompt 出来，再由人筛选。

第二轮冲击，来自调试。

他原本以为复杂 bug、竞态条件、分布式系统排障，是人类最后的硬功夫。后来 Claude Code、Codex、MCP、Agent workflow 进入工作流，模型可以接 Sentry、DataDog 这类上下文，顺着堆栈、日志和调用链查问题。

原文里有个数字要小心看：作者按自己的体验说，后来大约 90% 的 bug 可以被 agent 一次性修掉，包括竞态、第三方集成、未文档化 API 边界等。

这不是行业统计，也不能推成所有团队都一样。它至少说明一件事：复杂调试的门槛，正在被工具压低。

第三根支柱，是代码质量和架构。

这根还没倒，但价格在变。

支柱过去怎么定价LLM 之后的变化现实限制
领域知识靠多年项目积累形成差异化大量知识可被模型检索、组合、解释具体公司约束仍要人判断
复杂调试依赖经验、直觉和系统感agent 可接入日志、监控、错误上下文排障误修、漏修、责任归属仍在
代码品味 / 架构高级工程师的重要溢价仍需人类把关，但商业容忍度上升技术债会延后结算

不能简单说“代码质量不重要了”。更准确的说法是：优秀代码仍然重要，但企业愿意接受 C/D 级代码库的场景变多了。

尤其当代码越来越多是给机器维护，而不是给人细读，A/B 级代码的市场溢价会被压低。

这对爱重构、爱架构、爱写 ADR 的工程师很残酷。不是你错了，是市场开始不按你的审美定价。

AI 没消灭工程师，先重算专家价格

我更在意的，是招聘语言的变化。

作者提到，公司过去会招“某领域软件工程师”，现在更常写成泛化的“Software Engineer”，入职后再分配团队。领域熟悉度不再是强差异化。

这比“AI 写代码很强”更要命。

职业市场定价的核心，从来不是你会什么，而是别人不能很快替代你什么。过去，一个懂支付、懂对账、懂分布式事故的后端工程师，是稀缺资产。现在，一个会驾驭 LLM 的资深通用工程师，可能在很短时间内补上大部分领域差距。

“天下熙熙，皆为利来。”技术市场也一样。公司不是天然尊重专家，公司尊重交付确定性和成本结构。

当 AI 把“补齐领域知识”和“定位复杂 bug”的成本压低，专家的议价权就要重算。

这不等于所有专家都会被抹平。真正难被 prompt 的东西，反而更凸显：

  • 组织内部的真实上下文.谁拍板，谁背锅，哪些系统不能动；
  • 判断责任.模型能建议，人要承担后果；
  • 激励设计.公司奖励快交付，还是奖励长期可维护；
  • 产品与工程之间的取舍.哪些债可以欠，哪些债会爆雷。

软件工程的护城河没有消失，只是换了位置。以前在脑子里的技术经验，一部分迁移到了组织现场和责任链条里。

对工程师来说，动作要更具体。

如果你是 3 到 5 年经验的工程师，只会把需求拆成代码，风险很高。更该练的是：用 agent 提速，同时学会审查输出、补测试、读日志、定位边界条件。工具使用本身会变成基础能力，不再是加分项。

如果你是 8 年以上的资深工程师，只强调“我懂这个领域”也不够。你要把经验翻译成组织可复用的判断：哪些规则不能错，哪些接口不能乱改，哪些技术债会传导到财务、合规和客户体验。

对技术管理者，难题更直接。

不能只喊“拥抱 AI”，也不能把 agent 当免费外包。团队需要明确哪些代码可以交给 AI 大量生成，哪些路径必须人工审查，哪些事故责任不能甩给工具。

真正该观察的变量有两个。

一个是招聘 JD：公司还招不招“支付工程师”“风控工程师”“账务工程师”这类强领域岗位，还是继续改成泛化软件工程师。

另一个是代码审查制度：AI 生成代码进入主干前，到底由谁签字、谁背锅、谁有权说停。

这两个变量，比模型跑分更接近职业定价。

代码开始为机器而写，技术债会晚点来收账

再扯远一点。

早期工厂机器改变手工业，不是立刻让所有工匠消失，而是先改变“好手艺”的价格。标准化、可复制、可管理的生产方式，压过许多个体技艺。今天的软件工程有类似味道，当然不完全一样。

过去我们强调代码可读，是因为接手代码的是人。命名、分层、边界、抽象，都是给未来维护者留路。

现在如果 agent 能读、能改、能跑测试，企业对“人类读起来优雅”的耐心会下降。

这不是技术审美问题，是激励问题。

如果一个团队的 KPI 是更快上线，agent 又能在一团不算太烂的代码里继续产出，那么“保持代码库漂亮”就会变成奢侈品。技术管理者嘴上仍会说质量重要，但预算会投票。

风险也在这里。

C/D 级代码库今天能跑，明天未必便宜。AI 能堆代码，也能堆债。只是债务的可见性被延后了。

所以，那位工程师的焦虑是真实的，但它不是行业判决书。公司裁员、组织收缩、岗位变化，也不能硬归因到 AI 身上；原文里也提到，公司说裁员与 AI 无关。

目前能看清的是另一件事：过去十年最值钱的经验，未来仍有价值，只是不能再按旧价格卖。

开头那个问题可以收回来。

AI 没把专家变成废物。它只是让“专家”这个词变得更贵，也更窄。只有经验，不够了。能承担判断，才算数。