Carson Gross：AI时代，编程为何仍是可靠职业选择

编程的本质：解决问题与控制复杂度

htmx 作者 Carson Gross 在一篇题为《Yes, And...》的文章中，对编程给出了一个简洁的定义：计算机编程从根本上关乎两件事——用计算机解决问题，以及在解决问题的过程中学会控制复杂度。

这个定义并不新鲜，但它恰好击中了当下关于「AI 是否会取代程序员」讨论中的一个盲区。大多数争论聚焦在「AI 能不能写代码」，却忽略了写代码本身只是手段，真正的核心能力是问题拆解和复杂度管理。

Carson Gross 是 htmx 的创造者，也是反对前端过度工程化的代表人物之一。他提出的这套编程本质论，诞生于其长期实践与反思，而非空泛的哲学思辨。htmx 本身的设计哲学——用 HTML 属性直接表达交互、减少 JavaScript 依赖——正是「控制复杂度」这一理念的具体体现。值得注意的是，Gross 使用「learning to control complexity」而非「controlling complexity」，这一措辞暗示复杂度控制不是静态技能，而是随系统演进而持续调整的动态过程，任何试图一劳永逸地「消灭复杂度」的努力往往只是把复杂度转移到了别处。

为什么这两个能力难以被替代

Carson Gross 进一步指出，他很难想象一个「懂得用计算机解决问题、懂得控制解决方案复杂度」这件事变得不再有价值的未来。这个判断的背后逻辑值得拆开来看。

问题解决要求的是对业务场景的理解、需求的抽象、约束条件的权衡。AI 可以生成代码片段，但「什么问题值得解决」「用什么方案解决最合理」这些判断，仍然依赖人的经验和领域知识。

复杂度控制则更加微妙。一个系统在规模扩大、需求变更、多人协作的过程中，复杂度会自然膨胀。架构设计、模块边界划分、技术债务管理——这些工作的目标是让复杂度保持在可控范围内，而不是简单地「写出能跑的代码」。 Gross 原文用的词是 learning to control complexity，强调这是一种需要持续学习的能力，而非一次性掌握的技能。

AI 工具改变的是工具链，不是职业根基

Carson Gross 的结论并不是否定 AI 的影响，而是把 AI 放在正确的位置上：它是一种工具，会改变编程的方式和效率，但不会动摇「用计算机解决问题 + 控制复杂度」这一职业根基。

这个观点和 Simon Willison 长期以来的判断一脉相承。Willison 在多个场合表达过类似立场：AI 编程助手让开发者效率更高，但软件开发的本质仍然是理解问题、设计方案、管理权衡。工具越强大，对使用者的判断力要求反而越高——因为你能更快地生产代码，也就更需要知道该生产什么、不该生产什么。

Simon Willison 是 Django 框架的共同创建者之一，也是当今 AI 编程工具领域最具影响力的独立观察者之一。他长期跟踪大语言模型在软件开发中的应用，并在博客中频繁记录与测试各类 AI 编程助手。Willison 的核心判断是：AI 生成代码的「流畅度」容易让人误以为完成了软件工程的核心工作，但真正决定项目成败的——需求的准确理解、边界条件的处理、长期可维护性——依然依赖人的判断。这一判断对理解 Carson Gross 观点的行业影响至关重要，因为两人在开发者社区中都有相当的号召力，其立场代表了有经验工程师群体的共识方向，而非个别乐观或悲观的声音。

对开发者意味着什么

如果接受 Carson Gross 的框架，开发者的能力建设方向就很清晰了：

• 强化问题定义能力。能把模糊的需求转化为清晰的技术问题，这项能力在 AI 辅助下反而变得更加关键，因为执行成本降低了，方向错误的代价就更突出。
• 培养系统思维。复杂度控制的功力体现在架构决策和技术取舍上，这需要跨项目、跨时间的经验积累。
• 把 AI 当作杠杆，而非替代品。善用 AI 工具处理重复性、模式化的编码任务，把精力释放到需要判断力的环节上。

Carson Gross 的这段话并非空泛的乐观主义。它提供了一个可操作的思考框架：与其焦虑 AI 是否抢走工作，不如追问自己在「解决问题」和「控制复杂度」这两个维度上处于什么水平。这个框架无论 AI 如何演进，都不会过时。

原文出处：htmx.org/essays/yes-and，经 Simon Willison 的博客引用。