AI 写代码后，程序员真正的门槛变了
这两年最容易让程序员误判的一句话，是“AI 会写代码，所以程序员不值钱了”。

我更认同另一种判断：AI 首先压缩的是实现成本，但它没有消灭问题，反而把瓶颈推到了更难的地方。

以前，很多工程价值集中在“把需求翻译成代码”。现在代码生成越来越便宜，真正稀缺的能力开始变成：

1. 能不能把模糊需求定义成可验证的问题；
2. 能不能给模型稳定、正确且有权限边界的上下文；
3. 能不能用评测集证明系统不是“看起来不错”；
4. 能不能处理幻觉、延迟、成本、攻击和失败兜底；
5. 出错时，能不能定位原因并对结果负责。

所以，生产级 AI 应用从来不只是“模型 + Prompt + 页面”。它至少包含上下文、编排、评测、观测和治理五层。只会调 API，最多完成了 Demo；能把不确定的模型装进一个可控系统，才是 AI 工程。

对普通程序员来说，转 AI 也不意味着推倒重来：

后端把服务治理接到 RAG 与 Agent 编排；
测试把质量体系接到评测集、红队和回归；
运维把可观测性接到模型追踪、成本与降级；
前端把交互能力接到 Copilot、流式 UI 与人机协作。