LLMs正重塑软件工程师的自我认知
LLMs引发的工程师身份危机本质是工具变革导致的职业认知失调
职业危机背后的认知失调
某云服务公司的技术总监上周裁掉了三分之一的初级工程师，同时给剩下的人配了Copilot Enterprise账号。团队输出没降，交付速度翻倍，但他收到了四份辞职信——包括两位五年经验的骨干。“他们说自己写代码找不到意义了，妈的。”他喝了口精酿抱怨：“我给钱让他们不写重复代码还委屈了？”
这事压根不是技术替代问题。当调试器警告音曾是工程师的心跳监测仪，如今只剩静默的空白终端，职业身份就在崩塌。GitHub Copilot 2023年帮写了46%的新代码，Stack Overflow流量暴跌35%，但真正的炸弹在认知层：工程师们突然发现，自己二十年修炼的“剑术”被激光枪干废了，还被要求用激光枪打得更准。
效率幻觉掩盖的职业空心化
去年某电商重构商品系统，用LLMs生成90%的CRUD代码。三位工程师两周干完原定六人月的活，管理层在庆功会上宣布“优化资源配置”。一个月后故障分析报告显示：
- 自动生成代码的平均嵌套深度达7层（人工代码通常≤4层）
- 异常处理模块有58%直接copy知乎答案未验证
- 核心事务流程里藏着三处不同版本的金额计算
工程师在会议室的咆哮很真实：“以前我调通死锁要查三天文档，现在AI十秒出方案。但当我看着它生成的屎山不敢删任何一行时，到底算工程师还是AI驯兽师？”
薪资曲线的残酷坦白
看两组扎心数据：
- Levels.fyi显示，硅谷中级工程师薪资中位数2023年仅涨3%（通胀7.1%）
- 某IPO企服公司用LLMs后，单功能交付成本从$12k降至$4k，但客户压价更狠
资本家算账快得很：你生产代码的效率翻倍了？那你的产出就只值半价。有个段子在Meta传得很广：产品经理拿着AI生成的PRD问工程师“这个需求两天能做完吗”，工程师回敬“你把PRD喂给AI吧它半小时搞定”，会议室突然寂静——两边都意识到自己正在表演皇帝的新装。
Steelman：反对者错在哪
必然有人跳脚：“别矫情！当年IDE淘汰汇编工程师，程序员不活得好好的？”这话偷换了三个概念：
- 速度差：从汇编到C++花了二十年，AI压缩到二十个月
- 心智差：IDE是延伸手臂的工具，LLMs是取代决策的黑箱
- 价值差：调试复杂系统曾带来征服感，现在变成给AI擦屁股
更阴险的是责任转嫁。某自动驾驶团队用Copilot生成控制算法，出事故后工程师背锅——法庭上律师问：“你明知AI可能出错为何不手写？”工程师反问：“手写出错率更高你信不信？”
系统设计组王工的选择
王工在银行系统干了十年，去年行里采购了AI代码平台。当他第七次修改AI生成的账户核对逻辑时，突然问组长：“这模块核心算法不是我写的，校验规则不是我定的，连异常处理都是AI从Stack Overflow扒的——要是明天资金结算出错，到底算我的责任还是AI的责任？”
组长递给他新需求文档：“总行要求下月上线数字钱包，你负责训练专属模型理解金融协议。” 王工看着文档里“Prompt工程师”的职位描述，想起工牌上还印着“Senior Software Architect”。
新价值坐标在重组
当写CRUD代码变成可耻的低效行为，工程师需要重新锚定价值：
某物流公司CTO的做法很亮眼：他把API设计指南喂给LLMs生成代码模板，让人工检查边界条件并编写测试用例。“现在工程师60%时间在设计‘怎么测AI’，故障率反而降到五年最低。”
本质上，工程师正从键盘战士转型为AI时代的策展人——你不需要写得比AI快，但要懂为什么AI在某个业务场景下该生成这样的代码。就像摄影师不必自己研磨银盐颗粒，但必须知道什么光线该用ISO1600。
赌一个未来
我赌三年内会出现两种新工种：
- AI流程审计师：专查自动生成代码的合规漏洞，时薪是普通工程师三倍
- 需求炼金师：把模糊业务需求转化为AI可执行的精准Prompt
至于那些只会抱怨“AI生成的代码像屎”却不研究怎么训模型的人？抱歉，他们就像马车匠指控汽车污染环境——技术革命从不在乎旧技能持有者的悲鸣。
所以回到开头的问题：当写代码变成打字，工程师还剩下什么？
答案是：判断什么值得做，定义怎么做对，以及为结果负责的勇气。