1993年,《侏罗纪公园》片场,特效师Phil Tippett已经组好了三十人的团队,准备用他拿手的定格动画技术做全片的恐龙。ILM的数字艺术家们却拿出一段测试镜头:全阳光下,一只贴了皮肤纹理的霸王龙追着一群似鸡龙奔跑。斯皮尔伯格看完说,这就是我们要的。他问Tippett感觉如何,Tippett回了一句后来被反复引用的话——"我感觉自己灭绝了"。
这句话被程序员社区当成AI焦虑的完美注脚,广为流传。但故事没在这里结束,而这恰恰是最容易被漏掉的部分。
灭绝台词之后,他其实没走
斯皮尔伯格没有让Tippett离场,而是把他留下来做全片的"恐龙统筹"。ILM的程序员会做逼真渲染,却不懂恐龙该怎么带着重量感、时间感和生物本能去运动。Tippett和ILM合作,把自己的动作直觉做成了一套叫Dinosaur Input Device的物理骨架装置——他像操作定格模型一样摆弄它,计算机把动作实时转成数字动画。1994年,他和另外三人一起拿下了当年的奥斯卡最佳视觉效果。他的公司后来又参与了七十五部影片。
他没有被淘汰,他把自己的手艺重新接了一根新线。这才是这个故事真正值钱的部分,而不是那句被断章取义的"灭绝"。
程序员的"灭绝焦虑",这次有数据了
博主Fabien Sanglard用这个轶事去劝今天的程序员:LLM不过是又一次浪潮,90年代的Web、2000年代的图形学变革、2010年代的移动优先都这么走过来了,骑上去就是了。他引用Andrej Karpathy的讲解视频、Sebastian Raschka的书,还有John Carmack那句流传很广的话——"编程从来不是价值的源头,解决问题的能力才是"。
这套"进化论"不是空谈。2026年1月JetBrains的AI Pulse调查显示,90%的开发者说自己在工作中经常使用至少一款AI编程工具。Stack Overflow的年度调查里,这个比例是76%,比上一年的70%又往上走了一截。GitHub自己做的一项针对两千多名美国开发者的研究还发现:越愿意采纳Copilot给出的建议,开发者主观感受到的效率提升就越明显。
"骑上浪"和"游到岸"是两回事
这几个数字确实说明观望期已经过去,但它们量的是"用没用",不是"用得深不深"。多份调查都提到一个更微妙的落差:开发者对AI处理重构、样板代码、单元测试这类常规任务普遍认可,一旦换成架构设计、跨模块理解、隐藏依赖排查,信心明显往下走。Sanglard自己也承认,LLM会"惊人地失败和幻觉",这和他前面说的"进化就好"其实是拧着的。
- 风险.采用率越高,越容易把"用了AI"和"用对了AI"混为一谈,而复杂任务恰恰是信心最薄弱的地方。
GitHub那份"采纳越高、效率越高"的研究也得留个心眼——那是工具厂商自己出的数据,不是中立第三方,拿来当结论用不太稳妥。
手工调教出来的方法论,别人抄得动吗
Sanglard自己应对LLM的办法很朴素:不断往CLAUDE.md里加规则——别用魔法数字、少写嵌套、多留空行、注释解释"为什么"而不是"做什么"——用它来驯服AI代理的代码风格。他会为了保住质量主动降速,一条条过自己的PR,像手工打磨一样。这套做法确实让他重新捡起了因为太耗时而搁置的旧项目。
但这恰恰是问题所在。能写出这份规则文件的前提,是他自己早就知道什么是好代码。这不是一份人人能抄的说明书,而是一位资深工程师多年判断力的压缩包。Carmack说"编程从来不是价值源头",听起来是在给焦虑的人减压;可Sanglard自己每天做的事,恰恰是死守编程这门手艺里最挑剔的那部分。这两句话摆在一起,与其说互补,不如说是同一批老工程师在给自己的经验找一个新台阶。
对刚入行、还没建立起判断力的程序员来说,拿到的可能只是"能生成1000倍代码"这一半,却接不住"如何判断这1000倍里哪些能用"这一半。
天下熙熙,皆为利来。工具厂商乐于把"采用率"讲成进步的证据,却很少有人算清楚:这种把关能力从个人经验里长出来,需要多少年攒下的判断力做底子。提皮特能把DID用好,是因为他手上有几十年调过的定格动画直觉——机器接住的是他的经验,不是从零学会的。今天愿意手工调教AI风格文件的工程师,同样是拿老底子去驯服新工具。这条路能走,但走得起的人,从来不是多数。