无需打开直接搜索微信:本司针对手游进行,选择我们的四大理由: ...
2025-08-16 0
AI 正在彻底重塑程序员的工作方式,这已经不是什么新闻了。
但 GitHub CEO Thomas Dohmke 最近在推特上的一句话,依然掀起轩然大波:
你要么拥抱 AI,要么就退出这个行业。
听起来像某种 PUA 式威胁。仿佛是哪个苛刻老板对员工的“劝退信”。
为什么他说得这么绝?
其实,他不是一时冲动,而是在分享自己发布的一篇关于AI IDE的深度博客。
这篇文章基于对 22 位深度使用 AI 工具的开发者 的实地访谈,总结出了他们从“AI 怀疑者”转变为深度使用者的全过程。
Dohmke 写道:
“那些从早期怀疑中坚持下来的开发者,普遍展现出更强的野心、更高的技术素养,以及更强的职业满足感。”
在这份报告中,Dohmke 还观察到以下四个核心趋势:
然而这番高调预言,也引发了网友的激烈争论。
一位开发者在 Hacker News 上直言:
“AI 只会创造更多屎山!程序员早就饱和了,很多代码压根不该被写出来!”
而也有人站在另一边,提出了截然相反的观点:
我认为Dohmke的观点成立的可能性很大,编程极易受到“杰文斯悖论”影响:当某项技术提升效率后,反而促使我们去做以前不会做的事。
比如我现在就在开发一些一年前不敢动手的项目: 那时要么耗时太久,要么根本不可能做——而现在靠 LLM(像 MCP server 那种)就能搞定。
Dohmke 在博客中还进一步将开发者的 AI 成熟过程分为四个阶段,并提出了面向未来的七项核心技能。这篇博客可以说是一次结构清晰、观点明确的职业路线图。
接下来,就让我们一起看看这篇博客中的那些干货内容:
在博客中,Dohmke 表达了一个明确的担忧:
太多人因为对 AI 编程工具的“一次失望”,就彻底放弃了探索的机会。
他说,许多开发者第一次接触 AI 编程工具时的反应是:
“挺酷的,但不实用,有点花架子。”
这并不罕见。很多人一开始对 AI 寄予厚望,结果却遭遇模型“答非所问”、提示词没反应、代码不靠谱……最终认定它不值得依赖,索性直接弃用。
但 Dohmke 观察到:那些坚持下来的开发者,往往会迎来关键的“啊哈时刻”——
他们学会了如何调整期待、掌握提示技巧、配合工具特性,并在实战中节省了大量时间,把 AI 真正变成了“得力助手”。
因此,他的建议非常简单直接:不断尝试各种 AI 工具,哪怕工具本身尚未成熟或始终达不到预期。
Dohmke指出,对开发者来说,拥抱 AI 是一个逐步演进的过程,由每天的试错积累而来。
他总结了开发者尝试AI编程工具的四个典型阶段:
只在小任务中尝试 AI,使用场景多为代码补全,对反复调试和错误容忍度低。坚持下来的开发者,往往会放下“一次成功”的幻想。
开始用 AI 做调试、写样板代码和代码片段,逐渐了解 AI 的局限性。随着实践增多,他们会开始借助 AI 头脑风暴复杂任务,接受“迭代提示”的策略,意识到当结果不理想时,推倒重来比硬拗下去更划算。
进入深度共创状态,形成上下文管理的直觉。他们在 AI IDE 中完成多步操作和多文件修改,习惯在开始前先让 AI 输出整体计划,制定智能体规则,并根据任务切换工具或模型。他们也会在团队内参与讨论或演示,分享提示词、用例和经验。
将 AI 视为强力搭档,共同承担功能开发、复杂任务和大型重构。他们设计复杂的多智能体工作流,将任务拆分给不同模型,并逐步实现更高的自动化和并行处理。这一阶段的开发者对未来充满信心和乐观。
进入第四阶段的开发者无一例外地认为:他们的角色已经发生了质的变化。他们的关注点转向了“任务的委派与验证”。
委派意味着:为 AI 智能体创造成功的前提,包括提供详实的上下文和指令,设计并反复优化提示词,评估 AI 的方案与权衡,并在执行前进行必要的调整。
验证则意味着:对 AI 的产出进行拆解与审核——确认 AI 实现的功能是否符合预期目标、是否遵守规范。
他们的角色从“编写代码者”转变为“设计架构与验证实现者”。
GitHub 在调研中还询问了开发者对 AI 写代码比例的预期。结果显示:
但最关键的是:Dohmke 强调开发者并不因此感到被剥夺价值,反而认为这是一次“身份的重塑(reinvention)”。
AI的普及意味着一些传统的编码岗位将减少,或者被深度改造:工作重心从“亲手写代码”,变成“如何指挥 AI 完成任务,再进行验证”。
但与此同时,美国劳工统计局(BLS)依然预测:未来十年,软件开发者的岗位将增长 18%——这是所有行业平均增长率的 5 倍。
所以,它不会是我们熟悉的“旧程序员”,但它依然是一个值得投入的职业身份。
我们还发现了一个很有趣的现象:
几乎没有开发者把“节省时间”当作使用 AI 的最大收益。他们更多谈到的是:野心变大了,想做的事情也变多了。
未来的开发者,必须理解不同 AI 工具、平台与模型的能力与局限,才能有策略地调整工作流。
这不仅要求持续的实践性学习,更要求一种适应变化的心态,因为 AI 的发展速度是“疯狂”的(breakneck speed)。
要让 AI 智能体高效完成任务,开发者必须学会如何:
随着 AI 素养提升,开发者也会逐渐形成判断:什么时候该实时配合 AI 完成任务,什么时候可以完全交给 AI 后台异步处理?
别小看“沟通”这件事。写清楚一段指令,不只是自然语言能力——模糊指令或一句话提示,无论对人还是对 AI,都不足以驱动出色的执行结果。
当你选择“同步协作”AI 时,还必须建立起:
是的,AI 已经能生成代码了,但这并不意味着基础知识不重要,反而更加关键。
开发者依然需要理解:
只有这样,才能理解复杂代码背后的逻辑,判断 AI 的输出是否合理,也才能在“验证 AI 工作”的过程中发现问题。
AI 生成的代码需要更严谨的审核,这就要求开发者具备:
AI 工具越强大,验证环节就越不可忽视。有经验的开发者会提前考虑如何设计“上游的质量保障机制”。
这不仅是写代码的能力,而是一种“系统思维”。
未来的开发者,必须更像产品经理,懂得:
否则,即使 AI 帮你写出功能完整的代码,也未必能达到产品目标。
随着 AI 逐渐承担底层编码工作,人类开发者就更需要站在高处思考整体架构:
这一层能力,才是未来开发者不可替代的核心竞争力。
Dohmke 对 AI 编程未来的描绘,的确充满乐观,甚至有些“玫瑰色滤镜”。
而这份愿景背后,也不乏商业动机——毕竟,作为 GitHub CEO,他自然希望更多人为 Copilot 续上那一份订阅。
但乐观并不等于盲目。
我们不能忽视,AI 编程依然面临不少挑战。此前,不乏研究指出,AI 生成的代码可能降低整体质量;此外,安全漏洞、隐私泄露、提示注入等风险,也仍在持续暴露中。
但不可否认,从 Claude Code 到 GPT-5,每一家 AI 公司都在以“接力赛”的速度,持续推进 AI 编程的边界。从辅助写代码,到理解系统、主导架构,AI 参与程度越来越深,改变也愈发不可逆。
那么你怎么看?
你觉得 Dohmke 的预言会实现吗?AI 写 90% 的代码,离我们还有多远?
欢迎在评论区一起聊聊。
1.https://www.finalroundai.com/blog/github-ceo-thomas-dohmke-warns-developers-embrace-ai-or-quit
2.https://ashtom.github.io/developers-reinvented
相关文章
今天给各位分享丽水跑得快开挂神器的知识,其中也会对跑得快开挂神器下载安装进行解释,如果能碰巧解决你现在面临的问题,别忘了关注本站,现在开始吧!电脑怎么...
2025-08-16 0
您好:这款游戏可以开挂,确实是有挂的,很多玩家在这款游戏中打牌都会发现很多用户的牌特别好,总是好牌,而且好像能看到-人的牌一样。所以很多小伙伴就怀疑这...
2025-08-16 0
亲,这款游戏可以开挂的,确实是有挂的,很多玩家在这款游戏中打牌都会发现很多用户的牌特别好,总是好牌,而且好像能看到-人的牌一样。所以很多小伙伴就怀疑这...
2025-08-16 0
今天给各位分享微乐龙江麻将有挂吗的知识,其中也会对微乐龙江麻将有挂吗解说进行解释,如果能碰巧解决你现在面临的问题,别忘了关注本站,现在开始吧!微乐游戏...
2025-08-16 0
香港特区政府飞行服务队挑战者六〇五型定翼机。 王 申摄(新华社发 香港特区政府飞行服务队二级空勤主任司徒志鹏在挑战者605型定翼机内展示如何投放探空仪...
2025-08-16 0
发表评论