现在编程，开着 Copilot 是一项基本操作。

它可以帮你补全代码、遇到错误给你更多提示、甚至你给它描述需求，然后 Review 它生成的代码。

开发的逻辑，流程，甚至经验，在迅速变化。

LLM 越来越强，新版本的推出越来越快，Coding 能力与日俱增。

很多人，尤其是开发者，开始担心——程序员会被淘汰吗？

其实更重要的问题是：

我们如何更好地与 AI 协作？

鉴于自己前段时间一直在高频使用，谈一谈自己的感受和想法。

1. 趋势

之前推荐过一篇 文章🔗，采访 Anthropic CEO， Dario Amodei。

他有一个观点：

AI could wipe out half of all entry-level white-collar jobs — and spike unemployment to 10-20% in the next one to five years.

人工智能可能会消灭一半的入门级白领工作，并在未来一到五年内将失业率飙升至 10% 到 20%。

以常用的 AI Coding 模型 Claude 为例，近半年来的迭代如下：

• 2025/02/24: Claude 3.7
• 2025/05/22: Claude 4 (Sonnet/Opus)
• 2025/08/06: Claude 4.1 (Opus)
• 2025/09/30: Claude 4.5 (Sonnet)
• 2025/10/15: Claude 4.5 (Haiku)

迭代速度加快。

官方 声称🔗，新的模型，成本降低，效果甚至更好。

历史的洪流，不被某个个体阻止：大语言模型越来越强大。

这意味着，它能低成本地解决以前解决不了的问题，更多的智力活动将被替代。

也许这正是 Dario Amodei 发表上述言论的最大底气。

2. AI Coding 优势

AI Coding 非常擅长解决封闭空间内的具体问题。

足够小的封闭空间，具体的问题，AI 的完成度很高。

• 擅长代码补全，而非生成完整代码
• 擅长写测试用例，而非实现类本身
• 擅长写一个函数，而非完成一个工程
• 擅长脚本语言，例如 Python、JavaScript，而非编译型语言，像 C++

给定空间，提供足够多上下文（Context），且需求描述清晰，有助于高质量地完成任务。

这与 LLM 的底层训练机制有关。

目前流行的 LLM 都是基于 Transformer 架构和注意力机制（Attention）。

Transformer 将孤立的 Token 与 Context 关联。

注意力机制为这种关系赋予权重。

巨大的训练样本，海量的知识，经过统计概率的处理，固定为 LLM 的参数。

回答问题时，模型不断计算并输出最大概率的 Token，循环往复，便组成了一条句子。

LLM 见过的训练样本越多，支持的 Context 越大，前一个 Token 越精确，“猜测”的下一个 Token，越可能是用户需要的。

本质是基于概率的预测。

仔细想想，人类所谓的经验，不也如此吗？你见过，处理过，下次再碰到，自然能快速判断。

3. 应对之策

了解原理的好处，是知己知彼。

作为程序员，与 AI 拼知识，拼效率，拼成本，毫无胜算。

我认为，应对之策唯有：扬长，避短。

• 充分借力 AI 的优势
• 深耕 AI 的劣势领域

前者是争取留在牌桌上，后者是构建与 AI 的差异化，错位竞争。

我部分认可 Dario Amodei 的看法，在未来，AI 一定可以取代一些白领的工作。

因为这个过程正在发生。

第一步，我想，会是懂 AI 的人，取代了不懂 AI 的人。

二十世纪，文盲指的是不懂文字的人。

到了二十一世纪，文盲指的是不会上网，不会用电脑的人。

再过几年，文盲可能就是指不懂如何用 AI 的人。

时代在变，要求也在变，生活本就如逆水行舟。

抛开技巧，用好 AI，我认为只需要做好两件事：想明白，说清楚。

对某个领域有系统化认识，对问题本身有通盘、深刻的思考，表达准确、清晰、具体。做到这些，拿到的结果通常不会差，更重要的，你对结果是有“判断力”的。

思考是表达的前置条件。

我发现网上太多人只强调 Prompt，在我看来这是本末倒置。

另外，AI 并非无所不能。

维特根斯坦说：

语言的边界就是世界的边界。

目前 AI 获取的知识，全部来自语言空间，而语言不过是我们众多交流媒介中的一种。

我们还可以通过眼神，表情，对话，行动，与真实世界交互，并获取反馈（Feedback）。这是 AI 不具备的。

这意味着，尽管在知识储备上，我们难以与 AI 媲美，但对某个特定问题，对现实的认识，我们可以有更深刻的洞察。就像现在，AI 可以补全代码，但如果想架构一个复杂系统，人的经验，依旧不可或缺。

上文提到，AI 的目标只有一个，就是概率最大化。

但人类不是。人类有着巨大的随机性，基因突变是刻在骨子里的。

AI 的结果，特点是稳定，人类的结果，则充满更复杂的多样性和创新性。

4. 总结

两千多年前的《孙子兵法》，至今看来依然富有智慧：

知彼知己，百战不殆；不知彼而知己，一胜一负；不知彼，不知己，每战必殆。

AI 是个强大的工具，带来机会的同时，也在消灭一些旧有秩序。

新的编程规则，交互方式，生活习惯，每天都在悄然改变。

动荡时期，依然要，沉着思考，冷静分析，快速应对。

行动起来。

（完）

参考

1. The Making Of Dario Amodei - by Alex Kantrowitz🔗
2. Claude (语言模型) - 维基百科，自由的百科全书🔗