AI三分钟第4弹｜AI会写代码，我们还要学编程吗

什么是AI三分钟？

《AI三分钟》专栏旨在提供短小精悍的AI工具使用技巧或者知识

在这个时间碎片化、知识碎片化的时代

用最精炼的语言和最生动的故事

3分钟完成一项干货的科普

正文

最近笔者在各大技术社区和社交媒体上

看到了一个很有意思的讨论：

“AI 都能写代码了，我们程序员是不是要失业了？”

“既然 AI 会编程，那我还需要学编程吗？”

这个问题是很多初学者甚至是从业者的困惑

今天我们来讨论下这个问题

不废话，上结论

结论：要学，但是内容变了

之前我们学习编程的路线（Java为例）—— 技术栈纵深驱动（Stack Depth Driven）

• 基础层（JVM原理、GC调优、多线程高并发、NIO、数据库等）
• 框架层（Spring、SpringBoot、SpringCloud、Mybatis、JPA等）
• 架构层（高并发设计、分布式事务、事件驱动、缓存雪崩/穿透、CAP/BASE）
• 中间件（Redis、Kafka、ES等）

AI时代我们的学习路线（Java为例）—— 架构杠杆驱动（Leverage Architecture Driven ）

写代码不再是稀缺能力
架构判断、问题抽象、系统设计成为稀缺能力

• 基础层（Transformer 原理、Token / Embedding 概念、向量数据库等）
• 工具层（AI IDE、Skills、langchian、提示词工程、RAG、MCP等）
• 架构层（设计模式、DDD、六边形架构、整洁架构、机甲架构、事件驱动架构、Spec-Driven Development、AI编程四层架构等）
• 决策层（了解常见的技术组合、技术特点、能做出短中长期最合适的技术选型）

---

只是寻找解决方案的朋友看到这里就足够了，后文是知识点讲解

讲清楚

一场来自于AI的反噬

笔者在深度且持续地体验了各种AI编程工具、大模型后

得出一个结论

“现在和未来，无人能在编码层面超越AI”

在得出这个结论的同时

笔者也陷入了短暂的迷茫

“AI既然未来一定会取代程序员，那么程序员的出路在哪里？”

很长时间，笔者一边带着这个迷茫与困惑

一边使用不断迭代的编程大模型在辅助甚至取代我自己成为代码输出的主力军

直到一年后的某一天

笔者发现

全部托管给AI的某些工程或服务

开始逐渐“失控”：

• 更换了大模型后，产出的代码风格迥异，代码维护成本越来越高，token消耗越来越多
• 我对工程的了解和掌控程度逐渐不及AI，甚至是远远不及
• AI一天可能会产出近万行代码，它的工作过程和工作结果不再受到我的完全监督监管
• 人类程序员有固定的开发模式，或者是开发规范，但是貌似AI缺少一个真正的普适性的规范去限制它，整个产品的架构在不断的AI代码冲刷下，变得腐朽不堪

在享受了AI编程带来的红利的同时，我们的产品和团队也承受了相应的“代价”

幡然醒悟

在一次某工程的某项系统功能大面积改造的过程中

我以为AI能快速的胜任

只要像之前那样生成plan，review后执行

这类工作简直是手拿把掐

但是在耗费了上亿token和提示词工程师数个日夜后

我们发觉这个事情并不如我们想象中那么简单

在不同的AI IDE或者是console以及底层大模型的切换过程中

信息丢失的越来越多

这时候我们反过来倒查根本原因

发觉这个工程在设计之初的“地基”就有问题

也就是我们常常说的架构

AI能帮我们写出漂亮的可运行的代码

但是那只是一个没有生命的“砖块”

想要光靠漂亮的砖块盖起摩天大楼

无疑是痴人说梦

最后我们才明白，AI发展势不可挡

但是AI之外，有很多它不能及的地方

并非AI的能力不能及

而是在使用AI之前，它不能替你思考的部分：

• 你的业务，你是否能准确划分出各个业务的边界
• 业务未来可能会怎么变化，对应的业务和技术架构怎么一起演进
• 怎么能在多Agent、多提示词工程师协作的上下文中，不丢失关键信息，整体架构不腐化
• 诸如此类的顶层设计

上面的篇章中已经讲了我们应当把我们学习和关注的重心在AI时代放到哪里

这里就不再赘述

想了解更多细节的朋友可以移步我的专栏

最后，希望在AI的冲击下的IT从业者们自强不息

重新建立起我们这个时代下的护城河

---

记住它

思维导图

核心知识点

• 学习路线转变：从技术栈纵深驱动（Stack Depth Driven）转向架构杠杆驱动（Leverage Architecture Driven）
• AI的定位：AI能写出漂亮的代码，但只是"砖块"，不能替代人类的架构设计和业务理解
• 稀缺能力转变：写代码不再是稀缺能力，架构判断、问题抽象、系统设计成为稀缺能力
• AI带来的挑战：代码风格不一致、维护成本高、架构腐化、信息丢失、工程失控
• AI不能替代的部分：业务边界划分、架构演进规划、多Agent协作下的信息管理、顶层设计
• 新学习路线四层：
  • 基础层：Transformer原理、Token/Embedding、向量数据库
  • 工具层：AI IDE、Skills、Langchain、提示词工程、RAG、MCP
  • 架构层：设计模式、DDD、六边形架构、整洁架构、机甲架构、事件驱动架构、Spec-Driven Development、AI编程四层架构
  • 决策层：技术组合了解、技术特点掌握、短中长期技术选型能力
• 核心启示：在AI冲击下，IT从业者需要重新建立新时代的护城河，关注架构设计和业务理解

结语

点关注不迷路，UP带你上高速

动动您发财的小手，给老邋遢点一波免费的关注，不胜感激～

引用

• Computational Thinking - Wikipedia
• The Future of Programming - GitHub Copilot

版权信息

© 2026 老邋遢（笔名） 版权所有

原创内容，转载请注明出处