编程讣告:AI编码代理夺走了程序员的解谜乐趣

AI 编码代理正在抽走编程中解谜的内在乐趣,改变程序员的工作内涵。
Jeremy Scheff 以「讣告」文体追悼编程中解谜乐趣的消失,经 Simon Willison 转述后引发技术社区共鸣。文章借用 Willison 的切分指出:享受构建可用系统的程序员从 LLM 中获得效率红利,而把解题过程本身视为快乐来源的程序员则面临真实损失。编程高薪的结构性来源之一是稀缺性,编码代理正在侵蚀「普通人做不了」这条护城河,把稀缺性转移到判断、验证与边界划定上。文章强调,技术替代的社会成本不只用生产力衡量,还包括职业内在奖励的流失;把代理定位为替人思考还是替人打字,将决定协作模式与人的判断空间。
当编程从解谜变成指挥
Jeremy Scheff 在个人博客发表了一篇题为《My obituary for programming》的文章,用“讣告”的框架追悼一个正在消失的职业体验:那种靠逻辑解谜换取报酬的编程工作。这篇由 Simon Willison 转述的短文,在技术社区引发了不小共鸣,也戳中了当下 AI 编码代理浪潮中最微妙的那部分焦虑。

Scheff 的描述精准而带点怀旧的傲慢:编程曾是最好的工作之一,你被付钱去做刁钻的逻辑谜题,谜题越难,报酬越高。更妙的是,哪怕是相当简单的谜题也值不少钱,因为普通人根本做不了。客户带着问题而来,程序员按自己的方式解决:策略由我们定,时间线由我们排,什么可能什么不可能,也由我们说了算。
这段话的价值不在于感伤,而在于它点出了一个常被忽略的事实——编程这份工作的吸引力,从来不只来自“造出能跑的系统”,还来自解题过程本身的智力快感。
编码代理(coding agent) 指能够自主规划、编写、运行和调试代码的 AI 系统,与早期只做单轮补全的代码助手不同,它通常具备工具调用能力:可以读写文件、执行终端命令、运行测试并根据报错自我修正。典型代表包括基于大语言模型构建的 IDE 内代理、命令行代理以及云端异步执行任务的代理。这类系统的关键特征是把「写代码」拆解为多步循环——观察、决策、执行、验证——从而将人的角色从逐行编写推向目标设定与结果审查。理解这一区别很重要:文章讨论的并非代码补全带来的效率提升,而是当代理能端到端完成任务时,程序员工作内涵发生的结构性迁移。
两类程序员,两种命运
Simon Willison 在转述时给出了一个相当干脆的切分:如果你是那种享受构建可用系统、对过程中解决了哪些具体问题并不太在意的程序员,LLM 就是一台不断送礼的机器;但如果解决那些问题本身构成了你快乐的重要来源,那么这种损失非常真实。
这个切分比笼统的“AI 会不会取代程序员”讨论更有解释力。它不预测岗位数量,而是描述工作内涵的迁移:从亲手推演每一行控制流,转向定义目标、审查产出、编排多个编码代理。对偏工程交付的人来说,这是效率红利;对偏智力游戏的人来说,这是游戏规则被改写。
你可能没注意到,Scheff“讣告”的对象其实不是编程这个职业,而是职业程序员与代码之间那种手工艺式的关系。讣告文体本身就是一种修辞选择——它不是预测死亡,而是承认某种东西已经不可逆地改变了。
内在奖励(intrinsic reward) 是行为经济学与组织心理学中的概念,指活动本身带来的满足感,而非来自外部报酬、晋升或认可。与之相对的是外在奖励。编程长期被视为兼具两者的事业:既有高薪这一外在回报,又有解题快感这一内在回报。当 AI 接管了任务中「解题」的部分,外在报酬未必立即下降,但内在奖励可能被抽走,从而改变从业者对工作的主观体验。这一框架解释了为何即使生产力提升、岗位仍在,部分程序员仍感到失落——损失发生在体验维度而非收入维度,传统的就业统计难以捕捉。
“没人能做”的护城河正在干涸
Scheff 那段话里最扎人的一句是:普通人做不了,所以他们需要我们。这正是编程高薪的结构性来源之一——稀缺性。当编码代理把“写出能工作的代码”这件事的门槛大幅拉低,稀缺性就从“会写”转移到了别处:判断什么值得写、验证代码是否真的正确、在模糊需求中划定边界。
这解释了为什么社区里的反应呈现两极。一部分人读出的是解脱,重复劳动被接管;另一部分人读出的是失重,那种“我掌握了别人无法掌握的技能”的身份认同被动摇了。两种情绪都不矫情,它们对应的是同一件事的两个侧面。
稀缺性溢价 指某项技能因供给有限而获得的高于其边际产出的报酬。编程的高薪部分源于此:能写出正确可运行代码的人在劳动力市场中长期供不应求。当编码代理降低「产出可用代码」的门槛,稀缺性的位置发生迁移——从编码执行力转向问题定义、架构判断、质量验证与责任承担。值得注意的是,这些替代性能力更难通过基准测试衡量,也更依赖领域知识与组织上下文,因此短期内不易被标准化或被完全自动化。这意味着一部分溢价会消失,另一部分会重新分配到判断与问责环节。
这场讨论为什么值得认真对待
围绕编码代理的公共讨论,大多聚焦在基准测试分数、上下文窗口、工具调用能力这些可量化的维度上。Scheff 的短文提醒我们,技术替代的社会成本不只用生产力来衡量,还包括职业内在奖励的流失。
对于正在使用或评估编码代理的团队,这里有一个实际的含义:把代理定位为“替程序员思考”还是“替程序员打字”,会导致完全不同的协作模式。前者压缩了人的判断空间,后者释放了人的判断空间。工具本身不决定这一点,使用方式决定。
至于那些确实热爱解谜的程序员,出路大概不是拒绝代理,而是重新定位谜题的层次——从“这段循环怎么写”上升到“这个系统该不该存在”。谜题没有消失,只是换了一层。
相关推荐

Cursor AI编程实战:30分钟从零构建学生管理系统
B站UP主实战演示Cursor AI编程:30分钟用自然语言生成学生管理系统。详解Agent模式、Claude模型选择、提示词技巧与使用门槛,帮你判断Cursor是否值得入手。

AI编程工具20强榜单:从夯到拉的评分矩阵
B站UP主发布AI编程工具20强榜单,从夯到拉分为T0-T4五个层级,Claude Code和Codex并列T0。本文详解评分维度(能力、可靠性、耐操性、耐久性、成本、国内可用性)及工具表现,帮助开发者选择适合的AI编程助手。

Vibe Coding系统教程:零基础玩转AI编程实战
B站UP主耗时三个月打造的Vibe Coding系统教程,覆盖Codex、ClaudeCode、Cursor等AI编程工具,从基础逻辑到商业级项目实战三段式讲解,适合零基础学习者系统入门AI编程。