最终成效如何?一方面取决于你所从事的编程领域特性（越独立、越易于通过文本描述的场景效果越好，系统编程尤其适配），另一方面则取决于你能否构建清晰的问题认知，并准确传达给大语言模型。但总体而言，一个显而易见的事实是：对于大多数项目，除非是为了享受编程的乐趣，否则亲自手写代码已不再是明智之选。
我热爱一行行地编写软件。可以说，我的职业生涯就是一场持之以恒的努力 —— 力求打造出代码精良、简洁凝练，且始终以人文关怀为核心特质的软件。我同样憧憬这样一个社会：不会遗忘那些处于弱势的群体。此外，我并不希望人工智能在经济层面一家独大，也毫不在意当下的经济体系是否会被颠覆（说实话，如果能朝着大规模财富再分配的方向发展，我甚至会由衷感到高兴）。但如果我对软件与社会的构想，会背离自己的初心与愿景，那便是对自我与自身智慧的不尊重：事实就是事实，人工智能必将彻底改变编程的未来。
2020 年，我辞去工作，着手创作一部关于人工智能、全民基本收入，以及人类社会如何应对自动化浪潮挑战的小说。2024 年末，我开设了一个 YouTube 频道，专注探讨人工智能、其在编程工作中的应用，以及可能引发的社会与经济变革。尽管我很早就预见了这一切的到来，却曾以为编程领域被彻底重塑还需要不少时间，至少得再等几年。但现在，我不再这么认为了。如今，顶尖的大语言模型（LLM）只要得到清晰的目标指引，就能在几乎无需人工协助的情况下，独立完成大型子任务乃至中等规模的项目。最终成效如何，一方面取决于你所从事的编程领域特性（越独立、越易于通过文本描述的场景效果越好，系统编程尤其适配），另一方面则取决于你能否构建清晰的问题认知，并准确传达给大语言模型。但总体而言，一个显而易见的事实是：对于大多数项目，除非是为了享受编程的乐趣，否则亲自手写代码已不再是明智之选。
就在上周，我仅通过编写提示词、偶尔检查代码并给出指导，就在短短几小时内完成了四项原本需要数周才能搞定的任务：
- 我改造了自己的
linenoise库，使其支持 UTF-8 编码，并搭建了一个行编辑测试框架。该框架基于模拟终端实现，能够精准反馈每个字符单元格的显示内容。这是我长久以来一直想做的事，但此前总觉得，为了测试一个副业项目而投入大量精力，实在得不偿失。可如今，只要你能清晰描述想法，代码就能应声落地，一切都截然不同了。 - 我修复了 Redis 测试中存在的瞬时故障问题。这类工作向来令人头疼，满是时序相关的漏洞、TCP 死锁等棘手状况。而 Claude Code（一款 AI 编程工具）则不厌其烦地反复尝试复现问题，深入分析进程状态以定位根源，最终成功修复了所有漏洞。
- 昨天，我需要一个纯 C 语言编写的库，用于实现类 BERT 模型的嵌入层推理功能。Claude Code 仅用 5 分钟就完成了开发，生成的 700 行代码不仅输出结果与 PyTorch 完全一致，运行速度也仅慢 15%，同时还配套提供了一个用于转换 GTE-small 模型的 Python 工具。
- 过去几周，我对 Redis Streams 的内部实现做了不少修改，并且为此撰写了详细的设计文档。我试着将这份文档交给 Claude Code，它居然在 20 分钟内就复现了我的全部工作（耗时主要是因为我在审核和授权执行命令时比较慢）。
人工智能正在彻底改变编程行业，这一现实已经昭然若揭，无可回避。在绝大多数场景下，手写代码已不再是必需环节。如今，更重要的能力是明确要做什么、以及如何去做—— 而在后者上，大语言模型同样是绝佳的合作伙伴。无论人工智能企业能否盈利，无论股市是否会崩盘，从长远来看，这些都无关紧要。就算那些独角兽公司的 CEO 们说出再离谱、再令人反感的话，也改变不了编程行业已被永久改变的事实。
对于我写的代码被大语言模型收录学习这件事，我是什么感受？我感到由衷的自豪。因为这恰恰延续了我毕生追求的目标：让代码、系统与知识变得大众化、民主化。大语言模型将帮助我们更快地开发出更优质的软件，让小团队也有机会与巨头企业同台竞争 —— 这就如同上世纪 90 年代开源软件运动所带来的变革一样。
然而，这项技术的重要性远超想象，绝不能任由少数几家公司垄断。目前来看，尽管不同企业在预训练和强化学习的技术水平上存在差异，但开源模型（尤其是中国研发的开源模型）正不断追赶闭源实验室的前沿模型，虽仍有差距，却具备强劲的竞争力。到目前为止，人工智能领域的民主化程度尚可，尽管还不尽完善。但这种局面能否长久维持，却是一个巨大的未知数。我对技术垄断的趋势深感忧虑。但与此同时，我也相信，规模化的神经网络确实蕴藏着创造奇迹的潜力，而当前顶尖人工智能技术并不存在什么不可逾越的 “独门秘籍”—— 否则，我们很难解释为何多年来 OpenAI、Anthropic 和谷歌这几家公司的技术水平始终旗鼓相当。
作为一名程序员，现在的我比以往任何时候都更渴望投身开源事业。我想重新拾起那些因时间有限而被搁置的代码仓库，对其进行优化完善；我想将人工智能技术融入 Redis 的开发流程中，进一步改进向量集合（Vector Sets）的实现，就像我现在对 Streams 模块所做的那样。
但我也为那些可能因此失业的同行们感到担忧。未来的行业格局充满变数：企业会选择扩招人手、加速推进更多项目？还是会为削减人力成本，精简团队，只留下那些精通提示词编写的程序员？更令人忧心的是，除了编程领域，其他许多行业的岗位也可能面临被人工智能完全取代的风险。
那么，社会层面的解决方案究竟在哪里？毕竟，技术创新的浪潮一旦涌起，就绝无回头之路。我认为，我们应当投票支持那些能正视技术变革、并愿意为失业群体提供保障的政府。而且，失业人数越多，民众要求政府出台保护政策的政治压力就会越大。但同时，我也期待人工智能能带来积极的改变：推动科学实现新的突破，减轻人类生活中不可避免的苦难。
话又说回来，还是回归编程本身吧。朋友，我想给你一个建议：无论你认为 “正确的道路” 应该是什么样子，一味抗拒当下正在发生的变革，终究无法掌控未来。拒绝接纳人工智能，对你和你的职业生涯都毫无益处。不妨认真思考一下，花上几周时间去深入测试这些新工具，而不是仅仅通过五分钟的试用就固步自封、强化自己的偏见。试着找到与人工智能协作、放大自身能力的方式；即便当下效果不佳，也请每隔几个月就重新尝试一次。
或许你会觉得，自己曾为学习编程付出了无数心血，可如今这些努力仿佛都被机器轻易取代。但请回想一下，当年你为了让项目成功运行而熬夜敲代码时，内心燃烧的那份热情究竟源于什么？是创造的乐趣。而现在，只要你能掌握与人工智能高效协作的方法，就能创造出更多、更棒的作品 —— 那份创造的乐趣，从未改变。
