为什么在2026年还要编码？AI之后的真正职业

用简单的语言来说。 问题不再是“AI会不会取代开发者”，而是“当AI生成70%的代码时，编码还有什么用”。道格·特恩布尔（Doug Turnbull）在文章中的回答是：编码仍然是唯一能让意图可执行、可测试、可版本化的方式。变化的地方在于我们如何赋予价值。

背景

“Why Write Code in 2026”（softwaredoug.com，2024年7月9日）这篇文章在HN上流传，因为它与当前的主流观点不同。作者——一位资深机器学习工程师——既不捍卫英雄式的编码者，也不支持未来的“无代码”趋势。他提出了一个更尖锐的论点：AI让原型变得免费；真正昂贵的是部署到生产环境。

分析

代码历史上提供的东西，而AI无法替代的：

• 可执行的意图——唯一机器能真正执行的工件仍然是代码，而不是提示；
• 可测试的表面——一个“大约能产出”的模型无法通过200个文件的diff测试；
• 可版本化的痕迹——AI在某个周二晚上“决定”的内容必须能在一个月后被审计。

价值的转移方向是三个领域：边界（你的系统在数据、API合约、不变量方面的价值）、上下文（为人类或AI代理构建一个不会迷失的存储库结构）和审查（在看起来合理的diff中能够说出“这次diff没有意义”）。

对工艺的影响

三个实际后果：

1. 测试成为主要的编辑工件：它们描述了机器和下一个AI的意图。
2. 模块化价值进一步提升——不仅仅是为了重用，而是因为一个良好划分的模块能够适应上下文窗口。
3. 命名重新变得重要：一个在charge和charge_amount之间犹豫的代理会犯一个分心的人类不会犯的错误。

情景

基础（60%）：将AI视为“需要指导的快速实习生”的团队，能够在不增加债务的情况下提高20-30%的速度。乐观（25%）：最好的团队推动重构自动化，并从已经干净的代码库中获得50%的收益。悲观（15%）：让AI无结构地编写代码的团队，将在12-18个月内看到债务激增。

风险

真正的风险不是被取代，而是判断力的侵蚀——写得越少，读得越少，就越不知道什么时候diff看起来不对劲。

结论

2026年的编码不再是生产文本：而是框架、测试、仲裁。需要问每个团队的问题是：你们花多少时间理解AI昨天写的内容？ 如果答案是“我们不再做这件事”，那么你们正在用未来的代价换取当前的速度。