AI时代程序员如何提升竞争力避免被淘汰

前言

ChatGPT的突然爆火，给整个技术圈带来了一场不小的地震。紧随其后，各种大语言模型如雨后春笋般涌现：国外的谷歌Bard、Anthropic的Claude，国内的百度文心一言、阿里通义千问、讯飞星火认知大模型、昆仑万维天工大模型……一个接一个，让人眼花缭乱。

和过去的模型相比，现在这些大语言模型在代码生成和代码解释能力上，可以说是质的飞跃。很多程序员已经开始借助它们来写代码了。于是，一个让人焦虑的话题又开始被频繁提起：“程序员会不会被AI取代？”

程序员真要被淘汰了？

其实，关于“程序员被取代”的讨论，并不是最近AI火了之后才有的。早在前些年低代码概念兴起时，类似的恐慌就已经出现过一轮。不过事实证明，低代码虽然能提高编程效率，但在复杂场景下不够灵活，安全性和定制能力也有限，远没有到能取代大多数程序员的地步。

回到今天的话题。如果说“程序员全面被AI取代”，目前来看还为时过早，但有一个趋势已经非常明显：那些只会CRUD的程序员，很可能会被优先淘汰。这就好比打字员这个职业——当AI语音转文字的正确率比初级打字员还高时，初级的打字员自然就没了生存空间。同样，当AI的代码生成能力已经能轻松搞定简单的增删改查时，那些技能单一、只会写基础代码的人，就很容易被甩在后面。

不过话说回来，从目前的情况来看，还有几个关键因素让高级程序员不至于那么快就被替代。

首先，大模型代码生成的“天花板”其实很明显。它确实能生成代码、解释代码，甚至做一些简单的优化，但基本还停留在“函数”的级别。一旦上升到类、模块、甚至整个项目，它的能力就捉襟见肘了。生成的代码里，常见的问题包括：跑不起来、用了已经过时的类库、藏着各种潜在的BUG。这些代码最终还是需要人来完善、优化和部署。而那些复杂的任务，更需要人先拆解成大语言模型能轻松处理的粒度。

其次，数据安全是一道绕不开的坎。很多公司，尤其是大厂，对数据安全极其敏感，绝不允许把核心业务代码和机密信息暴露给外部大模型。在这样的限制下，大模型往往只能用来生成一些工具类的、没有业务属性的代码，应用场景相当有限。

再次，自研模型的能力还是有差距。虽然很多大厂都在投入自研大模型，但无论是算力、数据量，还是模型本身的智能水平，跟国外的顶尖模型比，客观来说还有不小距离。对内开放使用虽然能解决一些效率问题，但要真正形成生产力，还有点远。

最后一点也很关键：编码只是整个软件生命周期的一个环节。软件开发远不止写代码这一件事。从需求分析、技术方案设计、编码、测试、运维，到与人沟通、排优先级、争取资源、跟产品经理反复对焦，每一步都离不开人。而真正决定软件成败的，往往不是编码本身，而是编码前的那些功夫。

路在何方？

3.1 趋势不可逆，尽早掌握工具提高效率

AI时代已经来了，这个趋势就像工业革命后蒸汽机和发动机的出现一样，势不可挡。

有人会说，现在大模型还有很多毛病：它会产生幻觉，推理能力也不够强。可问题在于，没有什么是完美无缺的。开车还有可能出事故呢，但谁也不会因此放弃开车，因为它带来的便利和价值摆在那里。而且，恰恰是这些不完美，才让我们有了不被淘汰的空间——如果真有一天，产品经理写完需求文档，AI就能自动写代码、自动修BUG、自动部署上线，那程序员才真的要失业了。到那时，甚至产品经理的需求文档，可能也保不住了。

现在，身边很多人已经开始用大语言模型学习技术、写代码、找思路、解决疑难杂症。用AI来辅助学习，大大缩短了掌握知识的路程。那些以前要读很多书、啃很多专栏才能搞懂的知识点，让AI给你举个例子、用大白话一解释，很快就通了。那些看上去不复杂的代码，自己写要半小时，AI一两分钟就能搞定，而且BUG还更少。很多让人苦思冥想都找不到答案的问题，AI可以在眨眼间给你提供好几个候选方案。以前可能要排查好几个小时甚至好几天的问题，有了AI的加持，几分钟就能搞定。

有了AI，哪怕编程经验很少的人，也可以靠提示词写出比不少初级工程师还漂亮的代码。非英语国家的人，也能在AI的帮助下写出地道的英文文章。这个时代，技术给无数行业带来了新的可能性。

所以，可以这么说：“不是AI取代人类，而是会用AI的人淘汰不会用的人，善用AI的人取代不善用的人。”如果把我们比作马车夫，大模型就像是汽车。与其抵制，不如去学好驾驶技术，成为一个“老司机”，用它来为生活和工作提效，用它来创造价值。

3.2 警惕“物极必反”

先思考，再问大模型

不知道你有没有这种感觉：自从毕业之后，很少再动笔写字了，键盘和语音成了日常，结果很多字提笔就忘。这就是典型的“用进废退”。

类似的，很多人也已经注意到，越来越多的人刷抖音、快手刷到停不下来。推荐算法太强大了，它分析你的喜好，不断推送你爱看的内容，让你沉迷其中，也悄悄强化了你的“偏见”。这同样值得警惕。

如果我们遇到事情不先自己思考，而是直接去问大模型，长此以往，思考能力肯定会下降。而人和AI比起来，最值钱的能力恰恰是创造力、提出问题的能力等等。如果思考能力退化了，我们很容易被AI带偏。

所以，遇到问题，建议先自己想想该怎么处理。如果短时间内实在解决不了，再去问AI。如果AI也搞不定，再去请教别人。做设计的时候也是，先自己想个方案出来，再让AI给你一些建议来丰富和完善，这样才能形成良性循环。

提高信息辨识能力

以前是“遇事不决，问谷歌”，现在是“遇事不决，问AI”。自从用了先进的AI工具，很多人已经很少用搜索引擎了。以前的搜索引擎主要是检索工具，给你一堆资料让你自己提取分析，效率比较低。现在的AI则是在真正地回答你的问题。

但话说回来，大语言模型也并非完美，它同样有“毒性”和“幻觉”问题。如果它生成的一百句话里混进去一句假话，而且表面上看起来又特别合理，缺乏专业知识的人就很难发现问题。这时候，辨别意识和能力就变得至关重要。

很多人会说：“AI时代来了，不用再深入学习计算机理论了。”其实恰恰相反。只有把计算机的理论和技术学扎实了，才能更敏锐地辨别AI生成的信息是否靠谱，才能既享受到AI带来的效率提升，又把它可能产生的负面影响降到最低。

3.3 抓住风口，思考如何和业务更好地结合

就像上文中用汽车打的比方。AI时代确实来了，大家都知道这是个风口，也都感受到了AI带来的巨大效率提升，但很多人的设计理念还停留在上个时代。他们把AI生搬硬套到原有的产品体系里，就像是直接把发动机安装到手推车上，或者固定在自行车上一样。

当我们在想怎么把大模型和业务结合起来时，千万不能无脑地把AI往业务上套。得仔细想想，哪些任务适合用大语言模型，哪些任务用传统的工程化方法反而成本更低、效果更好。飞机和高铁够快了吧？但自行车、汽车、地铁依然大行其道。不同的技术，各有擅长的领域。复杂的任务，往往需要多种方式混合着来。

更进一步，当把大模型和业务结合时，需要去思考一种更创新的融合方式。如果把模型比作发动机，那我们的工作不是研究“怎么在自行车上装个发动机”，而是应该重塑整个框架，去“发明汽车”。给汽车配上导航、装上空调，从手动挡升级到自动挡，甚至加上辅助驾驶、自动驾驶。

落地大模型和业务结合时，提个实用的建议：尽早制定一个大模型可以开始工程化的标准。先不断优化模型并验证效果，等接近这个标准了再去开发工程化链路，这样能少走很多弯路。

另外，有个趋势值得注意：现在搞大模型算法的同学相对紧缺，但大模型开放API后，训练平台的上手门槛越来越低了。很多后端甚至前端开发同学，已经打破职能边界，开始学习甚至动手对大模型进行训练和调优，来提高迭代速度，更好地服务自己的业务。这对咱们开发同学来说，是个很好的机会。不过也要提醒一句，这过程中最好有专业的算法同学来指导。算法问题和工程问题差别挺大，需要专门学习。举个简单的例子：模型训练过程中需要人工标注样本，专业的算法同学知道样本量要足够大、质量要高、要更多样性、不同类型要尽可能均衡。但刚开始接触的开发同学可能就不太了解这些常识，结果花大量时间造了一堆样本，最后很多质量不高或缺乏多样性，事倍功半。

3.4 增强不容易被AI取代的能力，至关重要

在AI时代，很多简单、明确、重复的任务都会被机器替代。

那么，我们该怎么走？

答案其实很清晰：想要取得竞争优势，需要持续学习，甚至终身学习。就像我们的父辈为了“跟上时代”去学移动支付、学用微信一样。在AI时代，我们要学好提示词，才能更好地利用大模型。未来或许不需要写复杂的提示词了，但也必然会有更多新技术出现，学习这件事不会停。

当很多过去需要花很大成本才能掌握的能力，现在靠AI就能更高效地实现时，那些只会做低端“CRUD”的人很快就会面临淘汰。所以，我们需要特别加强那些不容易被AI取代的能力，包括但不限于：提示词技巧、产品思维、创造力、泛化推理能力、提出问题的能力、沟通表达能力、复杂问题的分解能力等等。这些才是真正的护城河。

可能有同学会问：这些能力该怎么掌握？

有些能力需要在日常的工作中去培养，主动思考，慢慢积累，比如产品思维、提出问题的能力。有些能力则可以通过AI快速学习，然后通过不断练习来掌握，比如沟通能力、复杂问题的分解能力。AI时代，要学会用AI来学习。你可以把资料上传给AI，直接通过对话来学习。不懂的知识，让它给你解释，让它给你举例子。比如你想提高工作中的沟通能力，让AI介绍常见的沟通技巧，让它解释一下什么是“非暴力沟通”；你想提高表达能力，让AI给你介绍“结构化思维”，并教你“如何实践结构化思维”，然后在工作中“刻意练习”。

下面是关于“如何让表达更结构化”，AI给出的一些建议，非常有参考价值：

1. 明确主题：表达前先想清楚你要传达的主题或中心思想，保证内容不跑题、不拖泥带水。
2. 制定大纲：写作或演讲前，先列一个简单的大纲，把要点和思路理清楚，再按大纲组织表达。
3. 段落分明：以段落为单位，每个段落有明确的主题句，并围绕它展开。
4. 使用连接词：像“首先”、“其次”、“最后”这样的词，能帮读者或听众理清你的思路，让内容更连贯。
5. 给予例证：通过具体的例子和案例来支撑观点，能让表达更有说服力。
6. 避免啰嗦：简洁明了是结构化表达的关键，精炼很重要。
7. 段落过渡：段落之间要有清晰的过渡句，帮助读者理解不同部分之间的联系。
8. 注意语法和标点：这是表达结构化的基础，正确使用能避免歧义。
9. 反复修改：写完后多改几遍，确保逻辑清晰、信息有序。
10. 练习：结构化表达需要时间，多写多说，慢慢就成了习惯。

想培养某个能力时，不妨直接问AI：它是什么、为什么重要、该怎么做。然后，在工作中灵活运用即可。

总结

现在的AI，大致相当于汽车的自动挡或者辅助驾驶阶段，更多还是扮演提效助手的角色。

别抱怨AI的不完美，恰恰是这些不完美，让我们不至于那么容易被淘汰。

当大家都在用大模型的时候，多去寻找新的应用场景，多去掌握提示词技巧，发挥大模型的更大价值。同时，在这波浪潮里，别忘了多去培养和加强那些“人比AI更有价值”的能力。持续学习，才是这个时代最大的竞争力。

那么，你觉得AI时代，我们该如何抓住这个风口？还有哪些能力需要重点强化？

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：AI时代程序员如何提升竞争力避免被淘汰要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题