原文问题：《Codex新用户超两成都不是专业开发者，，但万万别说“人人都是程序员”》，，作者：Zetze，，审校：凯文，，题图来自：视觉中国

6 月初，，OpenAI 宣布了一组颇具象征意味的数据：Codex 周活跃用户已突破500万，，较 2 月桌面版宣布时增添凌驾6倍；；
；更值得注重的是，，在已往一个月新增的 Codex 用户中，，剖析师、营销职员、运营职员、设计师、研究职员、投资者等非开发者占到了 20%，，且增添速率凌驾开发者 3 倍。。。。。这个最初为软件开发而生的工具，，正在迅速进入泛化阶段，，加入更多人的日常事情，，让更多以前挪用开发资源相对难题的人，，低门槛的获得了代码能力。。。。。

OpenAI 同时推出了可以把事情效果直接转化为托管网站和应用的 Sites 功效。。。。。用户不但可以让 Codex 处理文件和数据，，还可以天生一个能够通过 URL 分享的交互式工具。。。。。这也就意味着，，一个原本从事数据剖析岗位的人可以使用Codex 快速完成原本要申请开发团队资源才华够完成的可视化互动模子，，直接打包成一个可宣布的互动页面，，大大提高了事情效率。。。。。编程工具正在酿成通用生产工具，，软件创立也第一次云云大规模地走出开发部分。。。。。

乍看之下，，这似乎是“人人都是程序员”的又一个证据：当市场、运营和研究职员都最先挪用编程智能体，，当一个想法可以直接酿成网站和应用，，程序员与通俗人的界线似乎正在消逝。。。。。

相较量 Codex 在一连弱化自己专业编程工具，，力争给自己贴上通用生产力标签的同时，，WWDC 2026 上苹果对 Xcode 的更新提供了一个很要害的增补视角：在 AI 能力迅速进入写代码环节的同时，，专业开发工具的理念并没有被削弱，，反而进一步把 Agent 深度嵌入到开发流程中——让它可以加入构建、运行测试、剖析过失，，并通过与工具链的协作来完成修复与迭代。。。。。这种设计意味着 AI 不但是“天生代码的助手”，，而是被纳入了一个真实的工程执行闭环之中，，并在 IDE 的约束下与构建系统、测试系统和预览系统配合事情。。。。。

这两件事同时爆发，，或许才是 AI Coding 当下最真实的图景：越来越多人可以借助 AI 创立软件，，但能够天生软件，，并不即是自动拥有了工程能力。。。。。

有一种关于 AI Coding 的盛行叙事正在变得越来越廉价：只要会语言，，人人都能成为程序员。。。。。

这句话听起来很有时代感，，也足够鼓舞人。。。。。它体现软件创立的门槛正在消逝，，已往需要多年训练才华掌握的编程能力，，现在可以被几句自然语言提醒词替换。。。。。一个不会写代码的人，，也许只要翻开 Cursor、Claude Code 或者某个 AI Agent，，就能做出自己想要的产品。。。。。

这虽然不是全错。。。。。

历史上也许历来没有一个时刻，，通俗人距离“把一个想法酿成可运行的软件”云云之近。。。。。一个略懂产品、略懂营业、略懂盘算机看法的人，，今天确实可以借助 AI 做出已往很难自力完成的工具。。。。。一个原本只有 0.3 分能力的人，，可能被 AI 放大到 0.8，，甚至 0.9。。。。。

但问题也在这里：AI 可以放大 0.3，，却很难凭空天生那最初的 0.3。。。。。

若是一个人不知道自己究竟想要什么，，不知道怎样形貌问题，，不知道什么叫界线条件，，不知道一个软件从 Demo 酿成服务需要履历什么，，也不知道过失应该在那里被袒露、数据应该怎样被组织、系统应该怎样被维护，，那么 AI 带来的往往不是创立力的爆发，，而是杂乱的加速天生。。。。。

以是，，AI 时代虽然会泛起更多“能做软件的人”。。。。。但这并不即是人人都是程序员。。。。。

更准确地说，，AI 正在放大一种能力：结构化明确天下、拆解问题、组织上下文、挪用工具，，并为效果认真的能力。。。。。程序员只是最早被迫系统训练出这种能力的一群人。。。。。

在和一位恒久深度使用 AI Coding 的资深工程师交流时，，他重复提到一个判断：AI Coding 最容易被误解的地方，，是人们总把它想象成“让 AI 写代码”。。。。。出于职业身份和项目信息的思量，，本文称他为 CC。。。。。在 CC 的实践里，，AI 真正改变的并不是敲代码的速率，，而是整个研发历程里“明确、表达、验证和协作”的方式。。。。。

CC 的几个履历，，恰恰能说明这个转变。。。。。

一个人和 AI 都读不懂的项目

许多人第一次明确 AI Coding，，是从“它能替我写代码”最先的。。。。。但在真实的软件现。。。。。，AI Coding 最有价值的时刻，，往往不是写新代码，，而是让旧系统重新变得可明确。。。。。

CC 曾接手过一个历史项目。。。。。项目原先由一位算法配景很强、但工程履历并不充分的开发者恒久维护。。。。。项目焦点是一组重大的 Python 剧本，，单个文件动辄几千行。。。。。营业逻辑、数据处理、模子挪用、文件读写、异常处理混在一起，，模？？？？？榻缦吣：，命名气概不统一，，重复逻辑随处散落。。。。。

更重大的是，，这个项目里还夹杂着早期 AI 补全时代留下的代码。。。。。其时模子能力有限，，AI 更像一个智能补全器，，而不是今天意义上的编码 Agent。。。。。它能天生一些局部片断，，却很难明确系统整体。。。。。于是项目逐渐酿成了一个希奇的混淆体：算法专家的快速实验代码，，加上早期 AI 补全天生的碎片，，再加上恒久缺乏工程治理积累下来的手艺债。。。。。

对人来说，，它险些不可读。。。。。对 AI 来说，，它同样不友好。。。。。

这点经常被忽视。。。。。已往我们说代码要“对人友好”，，意味着结构清晰、命名明确、模？？？？？榻缦吆侠怼⑽牡底愎煌暾。。。。。到了 AI Coding 时代，，代码还要“对 AI 友好”。。。。。一个几千行的巨型剧本，，不但是折磨接手项目的人，，也会严重消耗模子的上下文窗口和推理能力。。。。。模子越难明确系统，，就越容易在局部改动中制造新的杂乱——注重：AI险些不可能告诉你“我看不懂这段代码”，，但这可能是更大灾难的到来，，说明它要准备瞎编了。。。。。

CC 厥后复盘这段履历时说，，接手这种项目时，，最自然的激动可能是马上重构。。。。。但真正有用的第一步不是动代码，，而是让系统显影。。。。。

CC 的做法是，，让 AI 饰演架构师，，逐步阅读代码库，，梳理模？？？？？楣叵怠⑴灿昧绰贰⑹萘飨蚝鸵χ霸。。。。。让它天生一份可以 onboarding 的文档，，画出流程图和设计图。。。。。再由人凭证自己的工程履历去校准这些文档：那里是主链路，，那里是历史肩负，，那里只是暂时绕路，，那里是营业上必需保存的重大性。。。。。

这时，，AI 的角色不是“替你写代码的实习生”，，而更像一台结构显影仪。。。。。它把原本埋在几千行剧本里的系统形状重新照出来，，让人可以最先讨论它、切分它、修改它。。。。。

在这个项目里，，真正的转折点就爆发在这一步之后。。。。。等系统结构被重新望见，，重构才变得可行：文件结构被重新划分，，模？？？？？榻缦咧鸾シ浩穑，重复逻辑被抽。。。。。，可测试性增强，，运行稳固性提升。。。。。更主要的是，，用 CC 的说法，，项目重新变得可维护了。。。。。

这里的“可维护”不但是对人而言，，也是对 AI 而言。。。。。

一个结构清晰的代码库，，会让后续 AI Agent 更容易明确上下文，，更容易做小步清静修改，，更容易凭证测试反馈修正问题。。。。。反过来，，一个杂乱的代码库会同时拖垮人和 AI。。。。。AI Coding 并不会神奇地绕过工程重大性。。。。。它只是让工程质量的优劣，，以更快的速率展现出来。。。。。

这也是为什么“人人都是程序员”的说法会误导人。。。。。AI 不是把工程能力作废了，，而是把工程能力酿成磷泣底层的基础设施。。。。。

Demo 和服务之间，，隔着一整套工程责任

Vibe Coding 最迷人的地方，，是它让软件创立变得像语言一样自然。。。。。

你形貌一个想法，，AI 给出页面；；
；你再补一句需求，，AI 接着天生接口；；
；你说这里欠悦目，，它替你调样式；；
；你说想加登录、支付、数据看板，，它似乎也都能往前推进。。。。。一个晚上做出一个 Demo，，这件事已经不再稀奇。。。。。

但 Demo 和服务之间，，隔着一整套工程责任。。。。。

Demo 的目的是“看起来能用”，，服务的目的是“恒久可用”。。。。。Demo 可以容忍数据结构杂乱、异常处理粗糙、权限模子简化、安排流程手工化、日志缺失、测试缺位。。。。。服务不可。。。。。服务要面临真适用户、真实数据、真实并发、真实本钱、真实清静风险，，以及真实的后续维护。。。。。

这也是许多 Vibe Coding 文章最容易讲浅的地方。。。。。它们乐于展示“一个不会写代码的人做出了一个 App”，，却很少继续追问：这个 App 能不可稳固运行？？？？？？出了问题谁排查？？？？？？数据坏了怎么办？？？？？？权限泄露怎么办？？？？？？营业规则转变后怎样迭代？？？？？？半年后尚有人看得懂吗？？？？？？

能跑起来，，是软件生命的最先，，不是竣事。。。。。

CC 厥后做过一个更重大的营业系统项目。。。。。出于商业保密，，这里不睁开详细行业和客户，，只保存问题形态：它并不是一个纯粹的手艺项目，，而是一场从线下纸质流程到线上数字化系统的迁徙。。。。。它需要明确差别岗位的事情方式，，视察真实流程，，而不是只听一句“我们想做个系统”。。。。。它需要把营业语言翻译成数据表、权限规则、审批流、统计口径、接口界线和异常场景。。。。。

这种项目重大的地方，，并不在于某个单点手艺有多炫。。。。。真正重大的是营业细节和数据关系：几十张表之间怎样关联，，数百个 API 怎样组织，，差别角色怎样使用统一套数据，，差别流程之间怎样相互影响。。。。。已往，，这类项目往往需要产品、后端、前端、测试、运维等多种角色协同。。。。。

AI 简直改变了这里的效率结构。。。。。一个有履历的人，，可以借助 AI 把许多已往需要多人分管的事情串起来。。。。。但条件是，，他必需知道该把什么上下文交给 AI。。。。。

这就是 AI Coding 和通俗代码天生的分水岭。。。。。

AI Coding 的实质不是写代码，，而是写上下文

今天更成熟的 AI Coding，，已经越来越不像“翻开谈天框让 AI 写函数”，，而像一条端到端的研发链路。。。。。CC 把自己的做法概括为：尽可能替 AI 构建足够富厚的上下文，，然后让 AI 在这个上下文里事情。。。。。

在 CC 的事情流里，，一个需求通常不是从“请帮我写代码”最先，，而是先把产品 PRD、需求文档、需求评审聚会的逐字稿、上下游系统的手艺文档、已有代码库和项目规范都提供应 AI。。。。。然后让 AI 基于这些质料天外行艺方案。。。。。方案不是直接进入开发，，而是先沉淀成一篇文档，，交给工程师、产品和相关营业同事 review。。。。。

这一步很要害。。。。。

由于 AI 的输出不是用来跳过相同的，，而是用来提升相同质量的。。。。。已往，，许多需求评审的问题在于差别角色脑中的系统模子并纷歧致。。。。。产品说的是用户流程，，工程师想的是数据结构，，营业同事体贴的是线下破例情形，，上下游体贴的是接口左券。。。。。AI 可以把这些散落的质料先组织成一个可讨论的版本，，让团队更早发明明确误差。。。。。

确认手艺方案后，，再进入编码、单位测试、回归测试和人工验收。。。。。？？？？？⑼瓿珊螅，CC 还会让 AI 继续天生对接文档。。。。。这个文档外貌上是给上下游同事看的，，但在 AI Agent 普及之后，，它尚有一个新的用途：成为别人 Agent 的上下文。。。。。

这是一种很有意思的转变。。。。。已往，，文档主要写给人读；；
；今天，，文档也最先写给 AI 读。。。。。接口说明、营业规则、验收标准、过失码、数据样例，，都会成为另一个 AI Agent 开发对接功效时的输入。。。。。

于是，，所谓 AI Coding 的焦点工具爆发了转变。。。。。

已往我们写代码，，今天我们也在写上下文。。。。。这里的上下文不是一段 prompt，，而是一个事情。。。。。盒枨笪牡怠⒕刍峒吐肌⒋肟狻⒉馐杂美⑷罩尽⑾钅抗娣丁⑹忠站鲆椤⒀槭毡曜肌⒔涌谖牡怠⒗诽致郏，都在其中。。。。。

谁能组织更好的上下文，，谁就能更好地使用 AI。。。。。

这也是为什么“会 prompt 就够了”是另一个误解。。。。。真正主要的不是某句神奇提醒词，，而是你能否把一个模糊问题整理成 AI 可以明确、可以执行、可以验证的结构。。。。。提醒词只是入口，，上下文才是主体。。。。。

若是上下文是错的，，AI 会高效地爆发过失。。。。。若是上下文是乱的，，AI 会高效地放大杂乱。。。。。若是上下文缺少验收标准，，AI 就会倾向于给出“看起来完成了”的效果。。。。。

AI Coding 的上限，，不但由模子决议，，也由人类组织上下文的能力决议。。。。。

程序员并没有被 AI 取代，，他们正在用 AI 进入各行各业

“程序员要失业了”是 AI 浪潮里最常见的句式之一。。。。。

程序员自己说这句话，，许多时间是自嘲。。。。。这个行业恒久站在手艺转变前沿，，习惯了每隔几年就被新的语言、框架、平台、范式重新教育一遍。。。。。自嘲背后，，往往有真实焦虑，，也有对转变的敏感。。。。。

但当这句话被简化成“AI 会写代码，，以是程序员不主要了”，，它就酿成了一种外行式误判。。。。。

编程虽然包括写代码，，但程序员的焦点能力历来不但是记着语法。。。。。一个及格程序员恒久训练的是另一组能力：把模糊需求拆成明确使命，，把重大系统拆成模？？？？？椋，把异常情形前置思量，，把重复劳动笼统成工具，，把现实天下的不确定性压进可以运行、可以调试、可以维护的结构里。。。。。

这些能力恰恰是 AI 时代更容易被放大的能力。。。。。

若是一个程序员缺少设计能力，，AI 可以补一部分产品原型；；
；缺少前端审美，，AI 可以补一部分界面实现；；
；缺少运维履历，，AI 可以诠释云服务、天生安排剧本、定位日志问题；；
；缺少写作能力，，AI 可以协助天生文档、邮件和方案。。。。。；
；痪浠八担，AI 不但是让程序员写代码更快，，也让程序员更容易补齐跨界短板。。。。。

以是，，更值得注重的征象也许不是“程序员正在被各行各业取代”，，而是“程序员正在借助 AI 进入各行各业”。。。。。

当一个拥有工程头脑的人获得产品、设计、运营、数据剖析和写作能力的外骨骼，，他能做的事情会比已往宽得多。。。。。反过来，，一个完全没有结构化表达能力、没有系统看法、没有界线意识的人，，纵然拿到最强的 AI 工具，，也很容易卡在第一步：不知道该怎样形貌自己想要什么。。。。。

这并不是说非程序员不可使用 AI 做软件。。。。。恰恰相反，，AI 简直让许多非手艺配景的人第一次拥有了软件创立能力。。。。。但他们真正需要补的，，不是“语法”，，而是问题界说、需求表达、流程拆解和效果验收。。。。。

AI 降低的是编码门槛，，不是思索门槛。。。。。

甚至可以说，，AI 越强，，思索门槛越显眼。。。。。由于工具越能快速执行，，过失的偏向就越容易被快速放大。。。。。已往一个模糊需求可能在漫长开发历程中逐步袒露问题；；
；现在，，它可能在一天之内酿成一个结构杂乱但页面完整的系统。。。。。

这不是民主化的反面，，而是民主化之后的新门槛。。。。。

AI 最危险的地方不是写错

对 AI Coding 的品评，，经常集中在“AI 会写 bug”。。。。。但在真实工程里，，更贫困的情形不是它写错，，而是它把过失隐藏起来。。。。。

CC 在一个数据科学相关项目中，，一经遇到过一种很典范的问题：无论输入数据多离谱，，程序最终似乎总能输出效果。。。。。外貌看，，这是系统“鲁棒性”很强；；
；但按营业逻辑判断，，某些输入本应在中心环节触发过失，，提醒开发者数据不正当、流程不完整或假设不建设。。。。。

厥后的人工排查发明，，问题出在一系列 AI 天生或补全的兜底逻辑上。。。。。它在许多环节加了默认值、try-catch、空值兼容和静默降级。。。。。每个局部看起来都像是在“增强稳固性”，，但串起来之后，，系统酿成了一个险些不会失败的黑箱。。。。。

这恰恰很危险。。。。。

工程系统里，，失败不是坏事。。。。。该失败的时间失败，，过失才华被实时袒露；；
；该抛异常的时间抛异常，，系统界线才是清晰的。。。。。尤其在数据科学、金融、医疗、教育等领域，，一个“永远给出效果”的系统未必可靠，，反而可能意味着它正在掩饰异常。。。。。

AI 为什么喜欢这样写？？？？？？一个可能的原因是，，它在训练和交互中更容易被奖励“完成使命”。。。。。用户说修复过失，，它就倾向于让报错消逝；；
；用户说程序不要崩，，它就倾向于加兜底；；
；用户说包管输出，，它就倾向于制造默认路径。。。。。但在工程里，，报错消逝不即是问题解决，，程序不崩不即是逻辑准确，，有输出不即是有价值。。。。。

这就是人类工程师仍然主要的地方。。。。。

人要告诉 AI：哪些过失必需袒露，，哪些异常不可吞掉，，哪些输入必需拒绝，，哪些链路必需 fail fast，，哪些要害环节需要显式校验。。。。。更进一步，，这些规则不应该只停留在口头，，而应该沉淀进项目规范里，，放在代码库根目录，，随 git 一起提交。。。。。

这会带来一个新的协作模式：人制订规则，，AI 执行规则。。。。。

已往，，团队代码规范依赖培训、文档、code review 和个人习惯。。。。。让所有人一连遵守一套规范很难，，由于人会遗忘、偷懒，，也会在赶进度时妥协。。。。。今天，，许多规范可以写成 AI Agent 能读取的项目约束：异常处理原则、命名规范、测试要求、榨取行为、提交标准、验收清单。。。。。差别成员的 Agent 进入代码库后，，都能读取这些规则，，并在开发中自动遵守。。。。。

这不是说 code review 不主要了，，而是规范执行的起点前移了。。。。。AI 让团队有时机把“工程共识”酿成更可执行的上下文。。。。。

从这个角度看，，未来优异工程师的一项主要事情，，不但是写营业代码，，而是维护一套能让 AI 准确事情的规则系统。。。。。

那最初的 0.3 是什么？？？？？？

若是 AI 可以把 0.3 放大到 0.9，，那么问题就酿成：那最初的 0.3 究竟是什么？？？？？？

对专业开发者来说，，它越来越不是某个详细框架的熟练度。。。。。？？？？？蚣芑岜洌，工具会变，，模子能力也会快速提升。。。。。今天困扰开发者良久的隐藏 bug，，也许明天换一个新模子就能被直接定位。。。。。许多现在看起来需要技巧的问题，，都会逐渐被更强的模子能力吞掉。。。。。

但有些工具不那么容易被吞掉。。。。。

好比营业明确。。。。。你要知道一个需求为什么保存，，哪些流程是真需求，，哪些只是历史习惯，，哪些破例情形必需保存，，哪些重大性可以被砍掉。。。。。AI 可以凭证质料天生方案，，但它很难替你判断一个组织真正需要什么。。。。。

好比 spec 能力。。。。。也就是把需求写清晰的能力。。。。。一个好的 spec 不但是形貌“我要什么功效”，，还要形貌界线、状态、数据结构、角色权限、异常场景、验收标准和非目的。。。。。AI 越强，，spec 越主要，，由于 spec 决议了 AI 执行的偏向。。。。。

好比验收能力。。。。。AI 可以写测试，，也可以跑回归，，但人要知道什么叫真正通过。。。。。页面能翻开不代表营业准确，，接口返回 200 不代表数据可信，，模子给出效果不代表结论可用。。。。。

好比系统判断。。。。。什么时间继续让 AI 修，，什么时间人该接受；；
；什么时间补测试，，什么时间重构；；
；什么时间接受局部不完善，，什么时间必需推倒重来。。。。。这些都不是一句 prompt 能解决的。。。。。

对非专业开发者来说，，最初的 0.3 也许更基。。。。。耗懿豢尚蚊睬逦约合胍裁矗，能不可把一个大想法拆成几个小问题，，能不可意识到软件不但有页面，，尚有数据、权限、安排、本钱和维护。。。。。

许多人以为自己缺的是编程语言，，着实第一步缺的是需求表达。。。。。

这也是 AI 时代一个很有意思的转变：表达能力变得前所未有地主要。。。。。已往，，表达不清晰最多影响人与人相同；；
；今天，，表达不清晰会直接影响 AI 的执行效果。。。。。一个模糊的想法，，会被 AI 快速酿成一个模糊的系统。。。。。

虽然，，AI 也能资助人补齐短板。。。。。云服务、盘算机网络、数据库、安排流程，，这些已往让非手艺人望而却步的知识，，现在都可以通过 AI 快速诠释和辅助执行。。。。。只要问题形貌得足够清晰，，AI 确实能带人跨过许多已往很高的门槛。。。。。

但这仍然不是“零门槛”。。。。。

AI 时代的门槛从“会不会写代码”，，转移到了“会不会界说问题、组织上下文、判断效果”。。。。。

别再说人人都是程序员了

“人人都是程序员”之以是盛行，，是由于它捉住了一个真实趋势：软件创立正在从少数专业人士手里扩散出去。。。。。

这个趋势虽然值得接待。。。。。更多人可以把自己的想法做成工具，，更多小团队可以用更低本钱完成数字化，，更多行业知识可以直接转化成软件原型。。。。。AI 让创立软件这件事，，第一次真正靠近公共。。。。。

但若是因此以为专业性不再主要，，就走向了另一个误区。。。。。

AI Coding 不会祛除工程能力，，它会重估工程能力。。。。。它不会让所有人自动成为程序员，，它会让那些具备结构化能力、学习能力、营业明确和责恣意识的人获得更强的生产力。。。。。它不会让代码质量问题消逝，，它会让质量问题以更快速率泛起，，也让治理质量问题的能力更主要。。。。。

从这个意义上说，，AI Coding 最主要的改变不是“代码由谁敲出来”，，而是“谁来界说问题、组织上下文、建设规则、验证效果，，并为系统认真”。。。。。

未来的软件工程师可能会少写一些机械代码，，但会更多地写 spec、写上下文、写测试、写规则、写文档、写给其他 AI Agent 读取的协作质料。。。。。软件开发的中心，，正在从“代码输入”转向“上下文组织”。。。。。

这不是程序员消逝的最先，，而是程序员角色重组的最先。。。。。

AI 简直可以把 0.3 放大到 0.8，，甚至 0.9。。。。。这是这个时代真正令人兴奋的地方。。。。。一个人只要具备一点点盘算机基础、营业明确、表达能力和结构化头脑，，就可能做出已往需要一个小团队才华完成的工具。。。。。

但若是没有那最初的 0.3，，一切都是空话。。。。。

AI 不会替你知道你想要什么，，不会替你肩负效果，，也不会自动明确一个组织、一个行业、一套营业流程背后的真实重大性。。。。。它可以天生代码，，也可以天生文档、测试和方案，，但它无法替换人对问题自己的明确。。。。。

以是，，AI 时代，，别再说人人都是程序员了。。。。。

更准确的说法是：人人都更靠近软件创立，，但不是人人都自动拥有工程能力。。。。。

AI 放大的不是职业标签，，而是人的基本功。。。。。

本内容由作者授权宣布，，看法仅代表作者自己，，不代表虎嗅态度。。。。。如对本稿件有异议或投诉，，请联系 tougao@huxiu.com。。。。。

本文来自虎嗅，，原文链接：https://www.huxiu.com/article/4867009.html?f=wyxwapp

新疆喀什：走进“西域之西”的人文风情