我们可能都是 AI 工程师了

昨天 Hacker News 上一篇文章引发了激烈讨论：We Might All Be AI Engineers Now。作者 Yas 是一个有多年经验的工程师，他说自己已经好几个月没手写过样板代码了，日常工作变成了设计架构、指导 AI Agent 执行、审查输出。

这篇文章之所以能拿到近 200 points，不是因为它说了什么新鲜事，而是因为它精确地戳中了很多工程师此刻的真实状态。

不是 Vibe Coding，是工程放大器

Yas 在文中强调了一个关键区分：AI 执行了代码，但我设计了它。

他举了一个例子——并发图遍历、多层哈希策略、AST 解析、文件系统监听，这些组件全部由 AI 编写，但架构决策、状态传播的行为设计、边界条件的判断，全是他自己做的。以前需要几天的工作量，现在几小时搞定。不是原型，是可以上线的代码。

HN 评论区的质疑也很直接：这不就是 vibe coding 吗？Yas 后来补充了一段澄清：每一行 AI 生成的代码都经过审查，不理解的不会发布。

这个区分很重要。Vibe coding 是把 prompt 扔给模型然后祈祷结果能跑。而 Yas 描述的工作方式更像是一个架构师带着一个执行力极强但需要 review 的团队——你不需要亲手写每一行，但你必须理解每一行。

基础功决定了天花板

文章里最有说服力的一段话：

我仍然可以不用 LLM 反转一棵二叉树。我仍然可以推理时间复杂度，通过读代码 debug 竞态条件，通过思考定位内存泄漏。因为这些能力是在 AI 存在之前就练出来的。没有这些基础，你不知道模型什么时候在犯错。

这和我的观察完全一致。AI 是放大器，不是替代品。它放大的是你已有的能力——如果你的架构直觉是对的，AI 帮你快速实现；如果你的直觉是错的，AI 帮你快速制造灾难。

没有基础功的人用 AI 生成的代码，往往表面能跑，但加一个需求就崩。不是 AI 的问题，是使用者不知道什么是好的架构、什么是合理的抽象边界。

「AI 工程师」到底意味着什么

Yas 说他不确定自己对”我们都是 AI 工程师了”这件事作何感想。我倒是挺确定的。

工程师的核心能力从来不是写代码，而是解决问题。 代码只是解决问题的一种介质。当 AI 接管了”把想法变成代码”这一步，工程师的工作重心自然上移：系统设计、需求分析、质量判断、架构决策。

这不是降级，这是回归。大部分工程师的时间本来就不应该花在写 CRUD 和样板代码上。AI 只是让这个事实变得无法忽视了。

真正的变化是：门槛变了。 以前写代码是门槛，现在理解代码是门槛。以前能写出能跑的代码就有竞争力，现在能判断代码该不该这样写才有竞争力。

写在最后

Yas 提到他评估团队时，现在会特别关注一个维度：这个团队怎么看待 AI？ 不是有没有用最新的工具，而是有没有好奇心、有没有在认真思考这个变化。

我的判断标准更简单：看一个工程师有没有把 AI 变成自己工作流的一部分。不是偶尔问问 ChatGPT，而是把 Agent 编排、模型选择、输出审查变成日常习惯。能做到这一点的人，生产力已经和做不到的人拉开了一个数量级。

如果你在多个 AI 模型之间频繁切换，推荐试试 OfoxAI（ofox.ai）— 一个账号搞定 Claude、GPT、Gemini 等主流模型，让你专注于真正重要的事：设计和判断。