昨天下午三点，我让 GPT-4 重构一个老项目的用户权限模块。需求口述了五分钟，它吐出来的代码，不仅结构清晰，还顺手把单元测试和 API 文档注释给补全了。我盯着屏幕，后背发凉。这不是辅助，这是替代。我过去引以为傲的、花了五年死磕的“工程化思维”和“优雅架构”，在它面前像个手工作坊。
2016年那会儿，我焦虑的是不会 Python 多线程爬虫，怕被淘汰。2020年带团队，焦虑的是交付进度和客户催命。现在，2024年年中，我焦虑的根源变了：我过去十年构筑的技术护城河，正在被大模型用硅基的方式一夜之间填平。它写代码的速度、规范性、甚至对某些设计模式的理解，已经远超一个熟练的中级开发。这意味着什么？意味着“会写代码”这个技能，正在急速贬值。就像当年会做静态网页不再是稀缺资源一样。我那些关于 RESTful API 设计、微服务拆分、甚至并发处理的“经验之谈”，在 AI 能瞬间生成最佳实践案例面前，说服力还剩多少？
但昨天那个重构案例里，有个细节让我回过神。AI 生成的代码，完美实现了“基于角色的访问控制”。但它没问，也没解决一个根本问题：为什么我们这个后台系统需要这么复杂的六层权限？是因为业务真的需要，还是三年前某个产品经理为了体现“专业性”硬加上的？AI 不会质疑需求本身的合理性。它只会高效地执行一个可能愚蠢的指令。这才是缝隙。
我的护城河，必须从“怎么写”彻底转向“写什么”和“为什么写”。也就是产品洞察。这不是指画个原型图那种，而是指：第一，在 AI 能快速生成十个技术方案时，我能基于对用户场景、商业闭环和人性弱点的理解，判断哪个方案甚至哪个需求本身是值得做的。第二，在 AI 给出完美代码时，我能看出它完美实现的逻辑背后，是否隐藏着体验陷阱或数据偏见。比如，它可能用最“高效”的算法推荐内容，但这个“高效”如果只基于点击率，就会把用户推向信息茧房。第三，也是最关键的，把 AI 当成一个不知疲倦、能力超强的“实习生”。我的核心工作变成“定义问题”和“验收结果”，而不再是“亲自动手编码”。我要构建的，是一套能精准向 AI 描述世界、提出假设、并验证其输出的“元能力”。
这要求反而更高了。以前焦虑是学不会某个框架，现在焦虑的是对人类行为模式的理解不够深，对商业链条的嗅觉不够敏锐。我得重新啃心理学、行为经济学的东西，甚至要去看那些以前觉得“虚”的社科著作。同时，我得成为最懂如何“驾驶”AI 的产品经理。怎么用最精炼的 Prompt 勾勒出复杂系统的骨架？怎么用 n8n 这类工具把多个 AI 服务像流水线一样组装起来，自动完成从需求分析到原型生成的闭环？这成了新的技术栈。
十年前，我害怕机器取代我。现在明白了，机器取代的不是“我”，而是那个只会执行、不会思考的“我”。如果我的价值只剩下把模糊需求翻译成技术语言，那被取代是活该。真正的护城河，是机器没有的：对不确定性的判断，对价值的定义，以及，在无数个 AI 生成的完美方案中，选出那个“对”的、甚至看起来有点“笨”的方案的勇气。这活儿，AI 暂时还干不了。我得确保在它学会之前，自己先成为这方面的大师。
