AI 时代，程序员真正稀缺的能力是什么
通读 Anthropic《2026 Agentic Coding Trends Report》之后的一篇总结，本文不聊焦虑，聊稀缺性搬到哪去了，以及一个更苛刻的问题，剩下的稀缺里，哪些是程序员独有的
先讲一个打脸的故事#
2025 年 7 月，METR 发布了一个轰动的随机对照实验，16 位资深开源维护者在自己深耕多年的代码库上干活，用 AI 的那组反而比不用的慢了 19%，更扎心的是他们自己感觉快了 20%。这组数据被无数文章引用，用来论证 AI 编码的收益是幻觉。
一年后，同一个研究机构扩大样本重做实验，57 位开发者、143 个代码库、800 多个任务，结果反转了，早期估计显示约 18% 的提速，原因也不复杂，工具变强了，人也学会用了。与此同时，METR 度量的另一条曲线显示，前沿模型能自主完成的任务时长每 4 个月翻一倍，截至 2026 年初最强模型已能以五成把握完成资深工程师干一整天的任务，而曾经的金标准 SWE-bench Verified 被刷到 80% 以上后，OpenAI 干脆宣布不再用它做评估。
这些数字给讨论定了两条纪律。第一，任何以当下模型缺陷为地基的判断，半衰期只有几个月，列举 AI 做不到什么然后建议你去做那些事的清单，发布当天就开始过期。第二，也是更容易被忽略的一条，退到通用软技能同样是死路。很多文章的答案是品味、沟通、判断力、责任心，这些词不能说错，但有个简单的检验办法，把清单的主语从程序员换成产品经理、设计师甚至律师，如果句句照样成立，那这份清单其实什么都没说。担责就是最典型的例子，坐在问责席位上的人当然要签字，可这是职位属性，不是能力，任何岗位上的人都做得到，它解释不了为什么这个职业还需要存在。
所以这篇文章给自己加了一条更苛刻的约束，要找的是程序员职业内部的、技术性的、并且不随模型能力升级而贬值的稀缺。为此需要两件分析工具。
两件工具，一件来自经济学，一件来自我们自己的经典#
第一件是劳动经济学的互补品框架。David Autor 研究自动化与就业几十年，核心结论可以压缩成一句话，机器替代的是可编码的例行任务，同时抬高它的互补品的价值，会计软件消灭了记账员，但让懂得用报表做决策的人更值钱。所以正确的问题从来不是 AI 做不到什么，而是当代码生成趋近免费，它的互补品是什么，什么东西必须有人供给，而且供给得越好，那些免费代码就越值钱。
第二件工具在软件工程自己的书架上躺了四十年。Fred Brooks 在 1986 年的 No Silver Bullet 里把软件的复杂度切成两半，偶发复杂度来自工具的不完美，语言的啰嗦、环境的琐碎、样板代码的堆砌；本质复杂度来自问题本身，规格、设计、验证这个概念结构。Brooks 当年的原话是，构建软件最难的部分不是把概念表达出来的劳动，而是概念结构本身的确立，高级语言消灭了大量偶发复杂度，所以带来了至少五倍的提升，但对本质复杂度无能为力。2026 年好几篇重读这篇论文的文章给出了同一个判断，AI 是高级语言问世以来对偶发复杂度最大的一次打击，而 Brooks 说的那头本质的野兽，还在森林里走。
两件工具指向同一批答案。廉价代码的互补品，恰好就是 Brooks 说的概念结构的三个组成部分，规格、验证，以及支撑二者的对系统的深层理解。下面逐个展开，每一个都是技术能力，不是美德。
稀缺之一，把混沌形式化的能力#
先划清界限，这里说的规格不是产品经理写的需求文档。程序员版本的规格是把一团模糊的意图压成机器可执行的形状，数据怎么建模、接口长什么样、哪些不变量必须守住、边界条件下系统应该表现出什么语义。写这种规格需要同时理解问题域和计算的性质，知道什么说得清、什么说不清、说不清的地方会在哪里反咬一口，这是纯粹的工程能力，产品经理供给不了。
OpenAI 的 Sean Grove 在 The New Code 演讲里把这层意思推到极致，代码是规格的一次有损投影，就像建筑物只是蓝图的一个实例，真正承载价值的是那份捕捉了意图和取舍的规格，它同时对齐人和机器，而代码只是编译产物之一。顺着 Brooks 的语言重新说一遍就是，AI 把表达概念的劳动拿走了，把确立概念结构的劳动完整地留了下来，而且因为表达变快了一个数量级，确立环节的短板暴露得比任何时代都彻底。Anthropic 报告里 27% 的 AI 辅助工作是过去根本不会做的事，想法的供给在爆炸，能把想法压成严谨规格的人没有变多，这就是瓶颈的形状。
所谓架构品味，我认为就是这种形式化能力内化后的直觉形态。Brooks 把优秀系统的特征叫概念完整性，一个系统像出自一个人的心智，判断一个抽象三年后会不会变成枷锁，本质上是在判断它是否忠实于问题的内在结构。品味不是玄学，是形式化功力足够深之后，快速通道代替了慢推理。
稀缺之二，生产可信度的能力#
2026 年 agent 工程圈流传一句话，在任何自动化回路里，瓶颈是验证器，不是模型。模型每 4 个月把能干的活翻一倍，代码的产量不再稀缺，稀缺的是敢不敢用，而敢不敢用取决于有没有人把信任做出来。
信任是被生产出来的，生产工具全是技术物，测试、不变量断言、可观测性、评测集、金丝雀发布、回滚预案。DORA 2025 的数据从反面证明了这条生产线的价值，AI 采用度越高的团队，交付吞吐量和交付不稳定性同时上升，产能扩了，信任的产能没扩，堆积的就是风险。市场已经开始给这条生产线定价，evals 工程师在 2026 年成了独立职位，有招聘端的观察称资深评测工程师的薪酬开始超过同级产品工程师，因为这个角色卡在发布的关键路径上，而供给真正稀缺。评审 agent 能以低于 1% 的误报率抓注入和越权，机械验证被自动化之后，剩下的恰恰是最难的部分，这个变更是否符合设计意图，这个意图是否忠于系统的架构方向，而意图在人脑和组织上下文里，不在任何模型的权重里。
现在可以回头处理担责的问题了。坐在问责席位上不是能力，但让签字有依据是能力，而且是重度的技术能力。一个高管当然可以在发布单上签字，可他签的其实是别人替他压缩好的一份风险陈述，这个系统守住了哪些不变量、爆炸半径有多大、哪些角落我们还不知道。把一个大到读不完的系统压缩成这样一份诚实的陈述，让某个人敢于在上面签名，这才是那个稀缺的东西。责任是职位，可信度是工程，前者哪里都有，后者要靠人做出来。
稀缺之三，地板下面的功夫#
Joel Spolsky 二十多年前提出过一条定律，所有非平凡的抽象都会泄漏（All non-trivial abstractions, to some degree, are leaky）。SQL 优化器会在某个查询上突然失灵，TCP 会在网络分区时露出底细，每一层抽象都在大多数时候成立，在少数时刻把底下的复杂度捅上来。agent 是软件史上最厚的一层抽象，泄漏的方式也最隐蔽，模型在分布内的中位数任务上已经接近超人，但生产事故几乎从不发生在中位数上，诡异的并发竞争、性能悬崖、分布式系统的部分失败，这些长尾场景在训练数据里最稀薄，恰恰是模型最弱、而代价最高的地方。
地板下面的功夫听起来像一句比喻，拆开看它由三层东西叠成。
最外面是知识层，也就是你日常工作那层抽象底下每一层的运作原理，往下数大致是这么几档，模型层的地板是 token 和上下文的机制，采样怎么影响输出、窗口怎么被截断、工具调用的 JSON 在网络上长什么样；应用层的地板是运行时，GC 停顿、事件循环阻塞、连接池耗尽；数据层的地板是数据库内核，事务隔离的真实语义、锁与死锁、索引为什么失效；再往下是网络和操作系统，超时、重传、文件描述符耗尽。每一层都对应一批经典的事故模式，比如数据库变慢的真凶常常是应用侧连接池打满，不懂下面那层的人，会在错误的层修一辈子。
中间是方法层，一套不依赖文档的因果推理流程，稳定复现，提出可证伪的假设，用二分缩小范围，在关键位置加观测，拿到证据后确认或者换假设，直到因果链从症状一路连到根因。这套流程才是真正稀缺的部分，因为长尾故障没有先例可查，AI 在这里帮不上大忙的原因不是不够聪明，而是关键证据在你的生产现场，此刻的日志、内存状态、请求时序，都不在任何语料里。
最里面是直觉层，见过足够多事故现场之后的模式识别，看到偶发的 500 先怀疑重试风暴，看到只在生产出现先怀疑数据形状和并发，这一层没法教，只能攒。
航空业给这种能力定过价。自动驾驶接管巡航之后，飞行员的薪水本质上是为千分之一的时刻支付的。2009 年法航 447 坠入大西洋，事后调查发现自动驾驶因空速管结冰退出后，机组始终没有意识到飞机已经失速，那是一个手飞技能已经萎缩的机组面对抽象泄漏的时刻。软件业正在批量制造同样的处境，区别只是我们的事故不掉进海里，掉进生产环境。
稀缺之四，在自动化里不退化的能力#
前三种稀缺有个共同的麻烦，它们都靠笨办法的经验喂养，而 agent 正在接管所有笨办法。这不是新问题，航空业三十年前就撞上过，1997 年美航机长 VanderBurgh 把过度依赖自动驾驶的年轻飞行员叫作 children of the magenta，屏幕上那条洋红色导航线的孩子们，他当时给出的数据是约 68% 的事故涉及自动化依赖。这个循环的恶性在于自我强化，自动化导致技能萎缩，技能萎缩让人更依赖自动化，直到某次泄漏时刻无人能接。
航空业的答案值得整个软件业抄写，它没有拒绝自动化，而是把对抗退化制度化了，强制手飞时数，模拟器里反复演练自动系统失效的边缘场景。翻译过来，程序员的第四种稀缺能力是给自己设计训练制度的能力，在享受自动化的同时刻意保持下地板的肌肉。METR 那个从负 19% 到正 18% 的反转其实也是这个能力的注脚，变量除了模型还有人，同一批人一年里练出了什么时候信任、什么时候接管的手感，这份手感同样是练出来的，不是读出来的。而行业层面的坏消息是，入门级岗位在收缩，自然生长这些经验的土壤在消失，还没有任何机构拿出航空业那种成体系的答案，这意味着愿意给自己造模拟器的人，会拿走不成比例的回报。
行动计划#
四种稀缺都靠练，但对一个有全职工作的工程师来说，每周能挤出的学习时间也就四五个小时，凭空新增一套训练日程注定坚持不下来。所以下面这份计划的设计原则只有一条，让练习附着在你本来就要做的事情上。我拿自己正在执行的版本举例，我手头有一个自学的 agent 工程课程表和几个练手项目，其中一个是查询 PostgreSQL 的数据库问答 agent，你可以按自己的处境替换素材。
1. 把规格当成每个项目的第一交付物。 不是委托前随手写两句预期，而是动手做任何模块之前，先产出一份像样的规格文件，数据怎么建模、接口什么形状、哪些不变量不许破。以我的数据库 agent 为例，写第一行实现之前先回答清楚，允许生成哪一类 SQL、查询超时怎么定义、注入怎么防、答案必须引用哪些证据，这份文档写完，实现交给 agent 也放心，写不清的地方就是我还没想明白的地方。形式化能力只能这样练，没有捷径。
2. 评测集先于功能，把它当成纪律而不是补课。 大多数课程把 evals 放在靠后的章节，我的也一样，但这个顺序应该反过来。还是数据库 agent 的例子，实现之前先攒二十个自然语言问题和标准答案，配一个判分脚本，之后每换一版提示词、每升级一次模型就跑一遍回归。这个习惯把可信度工程从章节知识变成肌肉记忆，而且 evals 如今已经是一条独立的职业路径，这些评测集攒下来就是第二技能栈的作品集。
3. 不用框架，先手写一遍循环。 想练地板下的功夫，最好的时机是学习期，用裸的 API 手写 agent 循环、工具调用、重试和终止条件，不碰任何封装框架，被上下文溢出和格式错误的工具返回折磨过一遍，将来框架出问题时你才知道它替你藏了什么。在此之上加一个月度故障演习，故意给自己的 agent 断网、喂坏 JSON、注入恶意提示词，看它怎么死，亲手修活。这是和平时期唯一能攒的手飞时数。
4. 给自己的 agent 划爆炸半径。 数据库 agent 天然是个好教具，只读查询可以自主执行，任何写操作必须人工确认，DROP 一类语句直接禁止，这三条线用 hooks 或权限系统显式实现出来，而不是留在脑子里。练的是把系统压缩成风险陈述的功夫，也就是让拍板有依据的那种能力，规模放大一千倍，就是生产系统的安全架构。
5. 在周记里养一份委托边界笔记。 我的进度表里本来就有周记模板，加两个固定问题，本周哪件事 agent 骗过了我，本周哪件我以为它干不了的事它干成了。每季度新模型发布后，把三个月前失败过的委托再喂一遍，记录边界移动的方向和速度。这份私人笔记比任何趋势报告都更能告诉你，稀缺性下一步会搬到哪里。
这五条没有一条需要额外的整块时间，它们只是把你本来就要写的代码、要做的项目、要记的笔记，换了一种更费脑子的做法。费的那点脑子，就是训练本身。
这五条没有一条需要额外的整块时间，它们只是把你本来就要写的代码、要做的项目、要记的笔记，换了一种更费脑子的做法。费的那点脑子，就是训练本身。
结语#
Brooks 在四十年前就把结论写好了，构建软件最难的部分从来不是把概念表达出来的劳动，而是概念结构本身的确立。四十年里我们发明了无数工具去消灭表达的劳动，AI 只是最彻底的一次，它把打字从这个职业里拿走了，把 Brooks 说的那件难事原封不动地留了下来，甚至因为产量的爆炸，让它比任何时候都更醒目。
所以程序员这个职业不会消失，它会被蒸馏。挥发掉的是所有可以被编码的例行部分，留在瓶底的是形式化、可信度、地板下的功夫，以及在自动化里保持不退化的那点纪律。这四样东西没有一样是新的，它们一直就是这个职业里最难的部分，只是过去被大量的打字掩盖着。现在遮盖物没了，剩下的问题对每个人都一样，瓶底那点东西，你攒了多少。