出品 | 51CTO技術(shù)棧（微信號：blog51cto）

AI 正在徹底重塑程序員的工作方式，這已經(jīng)不是什么新聞了。

但 GitHub CEO Thomas Dohmke 最近在推特上的一句話，依然掀起軒然大波：

你要么擁抱 AI，要么就退出這個行業(yè)。

聽起來像某種 PUA 式威脅。仿佛是哪個苛刻老板對員工的“勸退信”。

為什么他說得這么絕？

圖片

其實，他不是一時沖動，而是在分享自己發(fā)布的一篇關(guān)于AI IDE的深度博客。

這篇文章基于對 22 位深度使用 AI 工具的開發(fā)者 的實地訪談，總結(jié)出了他們從“AI 懷疑者”轉(zhuǎn)變?yōu)樯疃仁褂谜叩娜^程。

Dohmke 寫道：

 “那些從早期懷疑中堅持下來的開發(fā)者，普遍展現(xiàn)出更強的野心、更高的技術(shù)素養(yǎng)，以及更強的職業(yè)滿足感。”

在這份報告中，Dohmke 還觀察到以下四個核心趨勢：

• 在未來 2 到 5 年內(nèi)，AI 有望生成 90% 的代碼；
• 開發(fā)者并不焦慮，而是以現(xiàn)實而樂觀的態(tài)度迎接變化；
• 新技能已經(jīng)成為核心：智能體編排、迭代協(xié)作與批判性驗證等都尤為關(guān)鍵；
• 節(jié)省時間？當(dāng)然有。但真正的變化，是開發(fā)者的“野心更大了”，他們正在“抬高能力上限”，而不只是“壓低開發(fā)成本”。

然而這番高調(diào)預(yù)言，也引發(fā)了網(wǎng)友的激烈爭論。

一位開發(fā)者在 Hacker News 上直言：

 “AI 只會創(chuàng)造更多屎山！程序員早就飽和了，很多代碼壓根不該被寫出來！”

而也有人站在另一邊，提出了截然相反的觀點：

我認為Dohmke的觀點成立的可能性很大，編程極易受到“杰文斯悖論”影響：當(dāng)某項技術(shù)提升效率后，反而促使我們?nèi)プ鲆郧安粫龅氖隆?/p>

比如我現(xiàn)在就在開發(fā)一些一年前不敢動手的項目： 那時要么耗時太久，要么根本不可能做——而現(xiàn)在靠 LLM（像 MCP server 那種）就能搞定。

圖片

Dohmke 在博客中還進一步將開發(fā)者的 AI 成熟過程分為四個階段，并提出了面向未來的七項核心技能。這篇博客可以說是一次結(jié)構(gòu)清晰、觀點明確的職業(yè)路線圖。

接下來，就讓我們一起看看這篇博客中的那些干貨內(nèi)容：

一、發(fā)出警告的原因：別讓一次失望，錯過整個時代

在博客中，Dohmke 表達了一個明確的擔(dān)憂：

太多人因為對 AI 編程工具的“一次失望”，就徹底放棄了探索的機會。

他說，許多開發(fā)者第一次接觸 AI 編程工具時的反應(yīng)是：

 “挺酷的，但不實用，有點花架子?！?nbsp;

這并不罕見。很多人一開始對 AI 寄予厚望，結(jié)果卻遭遇模型“答非所問”、提示詞沒反應(yīng)、代碼不靠譜……最終認定它不值得依賴，索性直接棄用。

但 Dohmke 觀察到：那些堅持下來的開發(fā)者，往往會迎來關(guān)鍵的“啊哈時刻”——

他們學(xué)會了如何調(diào)整期待、掌握提示技巧、配合工具特性，并在實戰(zhàn)中節(jié)省了大量時間，把 AI 真正變成了“得力助手”。

因此，他的建議非常簡單直接：不斷嘗試各種 AI 工具，哪怕工具本身尚未成熟或始終達不到預(yù)期。

二、擁抱 AI的四個階段：從懷疑者到策略家

Dohmke指出，對開發(fā)者來說，擁抱 AI 是一個逐步演進的過程，由每天的試錯積累而來。

他總結(jié)了開發(fā)者嘗試AI編程工具的四個典型階段：

階段 1：AI 懷疑者

只在小任務(wù)中嘗試 AI，使用場景多為代碼補全，對反復(fù)調(diào)試和錯誤容忍度低。堅持下來的開發(fā)者，往往會放下“一次成功”的幻想。

階段 2：AI 探索者

開始用 AI 做調(diào)試、寫樣板代碼和代碼片段，逐漸了解 AI 的局限性。隨著實踐增多，他們會開始借助 AI 頭腦風(fēng)暴復(fù)雜任務(wù)，接受“迭代提示”的策略，意識到當(dāng)結(jié)果不理想時，推倒重來比硬拗下去更劃算。

階段 3：AI 協(xié)作者

進入深度共創(chuàng)狀態(tài)，形成上下文管理的直覺。他們在 AI IDE 中完成多步操作和多文件修改，習(xí)慣在開始前先讓 AI 輸出整體計劃，制定智能體規(guī)則，并根據(jù)任務(wù)切換工具或模型。他們也會在團隊內(nèi)參與討論或演示，分享提示詞、用例和經(jīng)驗。

階段 4：AI 策略家

將 AI 視為強力搭檔，共同承擔(dān)功能開發(fā)、復(fù)雜任務(wù)和大型重構(gòu)。他們設(shè)計復(fù)雜的多智能體工作流，將任務(wù)拆分給不同模型，并逐步實現(xiàn)更高的自動化和并行處理。這一階段的開發(fā)者對未來充滿信心和樂觀。

進入第四階段的開發(fā)者無一例外地認為：他們的角色已經(jīng)發(fā)生了質(zhì)的變化。他們的關(guān)注點轉(zhuǎn)向了“任務(wù)的委派與驗證”。

委派意味著：為 AI 智能體創(chuàng)造成功的前提，包括提供詳實的上下文和指令，設(shè)計并反復(fù)優(yōu)化提示詞，評估 AI 的方案與權(quán)衡，并在執(zhí)行前進行必要的調(diào)整。

驗證則意味著：對 AI 的產(chǎn)出進行拆解與審核——確認 AI 實現(xiàn)的功能是否符合預(yù)期目標(biāo)、是否遵守規(guī)范。

他們的角色從“編寫代碼者”轉(zhuǎn)變?yōu)椤霸O(shè)計架構(gòu)與驗證實現(xiàn)者”。

三、90% 的代碼將由 AI 編寫，人類開發(fā)者負責(zé)善后！

GitHub 在調(diào)研中還詢問了開發(fā)者對 AI 寫代碼比例的預(yù)期。結(jié)果顯示：

•  50% 的開發(fā)者認為：未來 5 年內(nèi)，AI 將生成 90% 的代碼； 
•  另外 50% 更激進：這個結(jié)果將在 2 年內(nèi)出現(xiàn)。 

但最關(guān)鍵的是：Dohmke 強調(diào)開發(fā)者并不因此感到被剝奪價值，反而認為這是一次“身份的重塑（reinvention）”。

AI的普及意味著一些傳統(tǒng)的編碼崗位將減少，或者被深度改造：工作重心從“親手寫代碼”，變成“如何指揮 AI 完成任務(wù)，再進行驗證”。

但與此同時，美國勞工統(tǒng)計局（BLS）依然預(yù)測：未來十年，軟件開發(fā)者的崗位將增長 18%——這是所有行業(yè)平均增長率的 5 倍。

 所以，它不會是我們熟悉的“舊程序員”，但它依然是一個值得投入的職業(yè)身份。 

我們還發(fā)現(xiàn)了一個很有趣的現(xiàn)象：

幾乎沒有開發(fā)者把“節(jié)省時間”當(dāng)作使用 AI 的最大收益。他們更多談到的是：野心變大了，想做的事情也變多了。

四、未來開發(fā)者最需要掌握的7大關(guān)鍵技能

1. AI 素養(yǎng)（AI fluency）

未來的開發(fā)者，必須理解不同 AI 工具、平臺與模型的能力與局限，才能有策略地調(diào)整工作流。

這不僅要求持續(xù)的實踐性學(xué)習(xí)，更要求一種適應(yīng)變化的心態(tài)，因為 AI 的發(fā)展速度是“瘋狂”的（breakneck speed）。

2. 委派與智能體編排（Delegation & Agent Orchestration）

要讓 AI 智能體高效完成任務(wù)，開發(fā)者必須學(xué)會如何：

•  提供完整清晰的上下文與指令（Prompt Engineering）； 
•  正確定義問題邊界與拆分任務(wù)； 
•  并行處理工作流； 
•  明確表達成功標(biāo)準(zhǔn)與限制條件。 

隨著 AI 素養(yǎng)提升，開發(fā)者也會逐漸形成判斷：什么時候該實時配合 AI 完成任務(wù)，什么時候可以完全交給 AI 后臺異步處理？

別小看“溝通”這件事。寫清楚一段指令，不只是自然語言能力——模糊指令或一句話提示，無論對人還是對 AI，都不足以驅(qū)動出色的執(zhí)行結(jié)果。

3. 人機協(xié)作能力（Human-AI Collaboration）

當(dāng)你選擇“同步協(xié)作”AI 時，還必須建立起：

•  快速迭代反饋機制； 
•  合理的停止判斷機制； 
•  讓 AI 自我批評的提示； 
•  鼓勵 AI 反向提問，幫助它更理解你的意圖。 

4. 編程基礎(chǔ)（Fundamentals）

是的，AI 已經(jīng)能生成代碼了，但這并不意味著基礎(chǔ)知識不重要，反而更加關(guān)鍵。

開發(fā)者依然需要理解：

•  編程語言的基本原理； 
•  常見算法與數(shù)據(jù)結(jié)構(gòu)； 
•  軟件系統(tǒng)的整體架構(gòu)。 

只有這樣，才能理解復(fù)雜代碼背后的邏輯，判斷 AI 的輸出是否合理，也才能在“驗證 AI 工作”的過程中發(fā)現(xiàn)問題。

5. 驗證與質(zhì)量控制（Verification & Quality Control）

AI 生成的代碼需要更嚴謹?shù)膶徍?，這就要求開發(fā)者具備：

•  代碼審查能力； 
•  測試編寫與覆蓋； 
•  對規(guī)范、安全性的敏感性。 

AI 工具越強大，驗證環(huán)節(jié)就越不可忽視。有經(jīng)驗的開發(fā)者會提前考慮如何設(shè)計“上游的質(zhì)量保障機制”。

6. 產(chǎn)品理解力（Product Understanding）

這不僅是寫代碼的能力，而是一種“系統(tǒng)思維”。

未來的開發(fā)者，必須更像產(chǎn)品經(jīng)理，懂得：

•  整體把控用戶需求； 
•  原型設(shè)計與構(gòu)思； 
•  定義明確的目標(biāo)與驗證標(biāo)準(zhǔn)。 

否則，即使 AI 幫你寫出功能完整的代碼，也未必能達到產(chǎn)品目標(biāo)。

7. 系統(tǒng)架構(gòu)與設(shè)計能力（Architecture & System Design）

隨著 AI 逐漸承擔(dān)底層編碼工作，人類開發(fā)者就更需要站在高處思考整體架構(gòu)：

•  各模塊如何協(xié)同？ 
•  哪些設(shè)計模式最優(yōu)？ 
•  怎么讓 AI 的輸出與整個系統(tǒng)無縫集成？ 

這一層能力，才是未來開發(fā)者不可替代的核心競爭力。

五、寫在最后

Dohmke 對 AI 編程未來的描繪，的確充滿樂觀，甚至有些“玫瑰色濾鏡”。

而這份愿景背后，也不乏商業(yè)動機——畢竟，作為 GitHub CEO，他自然希望更多人為 Copilot 續(xù)上那一份訂閱。

但樂觀并不等于盲目。

我們不能忽視，AI 編程依然面臨不少挑戰(zhàn)。此前，不乏研究指出，AI 生成的代碼可能降低整體質(zhì)量；此外，安全漏洞、隱私泄露、提示注入等風(fēng)險，也仍在持續(xù)暴露中。

但不可否認，從 Claude Code 到 GPT-5，每一家 AI 公司都在以“接力賽”的速度，持續(xù)推進 AI 編程的邊界。從輔助寫代碼，到理解系統(tǒng)、主導(dǎo)架構(gòu)，AI 參與程度越來越深，改變也愈發(fā)不可逆。

那么你怎么看？

你覺得 Dohmke 的預(yù)言會實現(xiàn)嗎？AI 寫 90% 的代碼，離我們還有多遠？

 歡迎在評論區(qū)一起聊聊。

參考鏈接：

1.https://www.finalroundai.com/blog/github-ceo-thomas-dohmke-warns-developers-embrace-ai-or-quit

2.https://ashtom.github.io/developers-reinvented