关注「索引目录」公众号，获取更多干货。
当AI三十秒写完我的函数，我花十九年半做了什么？
上周让Claude写一个函数，三十秒。自己写？二十分钟。
于是我对着屏幕发呆：如果三十秒就能得到结果，那我职业生涯中剩下的那些时间——那些以年为单位计算的时间——究竟消耗在了哪里？
更让我脊背发凉的是下一个问题：我们真的刚刚才开始“作弊”吗？
我们一直在“作弊”，只是从未承认
上一次凭记忆写for循环是什么时候？上一次不查文档实现快排呢？什么时候开始，我们不再背诵标准库函数？
真相是：编程从来就不是关于记忆语法。
我们从第一天起就在“作弊”——谷歌、Stack Overflow、同事三年前的代码、永远在复用的那个内部工具库。我们谴责学生考试作弊，却对自己每天复制粘贴的行为心安理得。
那么问题来了：为什么AI辅助编码，感觉如此不同？
代码只是表象，决策才是内核
我想我真正被雇佣的原因可能是这些：
知道应该先解决哪个问题——当十个部门同时喊着“紧急”，你能判断哪个真的紧急，哪个只是声音大。
明白CEO的“简单需求”为什么会让系统崩溃——不是技术实现难，而是你看到了数据流、权限、向后兼容性和技术债的连锁反应。
向经理解释为什么“加个按钮”需要三周重构——并且让非技术人员理解这合理。
决定不建造某个功能——这往往比决定建造什么更需要勇气和智慧。
识别ChatGPT生成的300行代码“技术正确但架构错误”——AI不知道这个函数三年后会怎样扩展。
下午四点代码审查中发现那个可能让公司损失四万美元的边界条件——你的眼睛扫过那些看似无害的循环。
凌晨两点坐在事故频道里说“是我的责任”——即使直接原因不是你写的代码。
但最尖锐的问题是：你一天中有多少时间在做这些真正重要的事？
当打字不再是瓶颈
如果主要限制因素是打字速度，那么当这个限制消失时会发生什么？
我反复思考后的答案是：AI不会取代程序员，但会迫使我们重新定义编程的价值。
我们一直以来都在两种模式间切换：
- 解决问题
——理解本质、权衡方案、预见后果 - 将解决方案翻译成语法
——把思路转化为特定语言的代码
只有第二种正在消失。 而且消失得很快。
当AI编码时，我在想什么？
这才是核心问题：当AI在打字时，我在做什么？我的大脑在处理什么AI无法处理的东西？
我在想：
-
这个功能三个月后会和哪个系统冲突？ -
如果业务量增长十倍，这个方案会怎样？ -
团队里新人能否维护这段代码？ -
这个实现是否在增加技术债？ -
有没有更简单的方式我们没有看到？
我在做翻译之外的一切事情。 我在理解上下文、权衡利弊、预见未来、承担责任。
我们付费购买的究竟是什么？
你的公司真正购买的是什么？是代码行数吗？是功能完成速度吗？
还是那些深夜的担忧、那些坚持说“不”的时刻、那些预见灾难的能力、那些承担责任的肩膀？
AI能写出更好的快速排序，但它不会在会议上脸红脖子粗地争论为什么现在不应该重写认证系统。AI能生成完美的API文档，但它不会感觉到“这个设计闻起来不对劲”。
新分工：AI翻译，人类理解
未来可能的分工是：AI负责“翻译”——将人类意图转化为无错误的代码；人类负责“理解”——理解问题本质、理解业务语境、理解人的需求。
我们会花更少时间纠结语法错误，更多时间问“我们到底要解决什么问题”。更少时间写重复代码，更多时间思考“为什么会有这个问题”。
这不是危机，而是解放
十九年半的经验没有白费。它们转化为了那些AI没有的东西：判断力、直觉、责任感和对复杂系统的整体理解。
当AI帮我们摆脱了打字的苦役，我们终于可以专注于那些真正需要人类智慧的部分：决定什么是值得建造的，什么不是；什么是正确的方向，什么是看起来很美的陷阱。
所以，当AI三十秒写完那个函数时，我并没有被取代。
我正在做我本该一直做的工作：思考那些三十秒无法解决的问题，预见那些AI看不到的未来，承担那些没有实体可以承担的责任。
编程从来就不是关于写代码。而是关于在不确定中做出判断，在复杂中创造简洁，在可能性中做出选择。
而这一点，至今仍是人类独有的领域。
关注「索引目录」公众号，获取更多干货。