AI 写了代码,工程师还要做什么?Laurie Voss 谈产品判断与人才培养

📌 One-Sentence Summary
Laurie Voss 认为,智能体让代码编写变得廉价,软件工作的重心将转向理解用户、定义质量,以及有意识地培养产品工程师。
📝 Summary
Laurie Voss 用瓶颈转移来理解 AI 编程:生成看起来合理的代码已经很便宜,判断代码能否信任却依然昂贵。他引用代码产出大幅增长、交付改善却小得多的现象,讨论评审吞吐、AI 评审者之间的分歧,以及通过测试与让维护者接受变更之间的距离。按照约束理论,他预计评审、运维和安全会逐步自动化,而人的长期职责将集中在发现用户需要什么,以及在具体业务中定义什么才算好。他将这种结合产品判断、客户沟通、规格制定和智能体辅助实现的角色称为产品工程师。这也带来培养难题:过去交给初级工程师的明确编程任务,如今可以委托智能体,组织必须主动教授用户需求探索和判断力,不能期待这些能力自然形成。Voss 承认,热爱编程技艺的人未必喜欢这种新工作,其时间判断也是长期预测。实际建议是自动化容易验证的工作,把专家判断写进规格与评测,并衡量交付结果而非代码量。论证连贯,但研究数字和未来劳动力市场判断并未在转录中得到独立证实。
💡 Main Points
代码变便宜会转移瓶颈,工程工作仍然存在
Voss 对比代码产出与交付速度,用评审能力的限制说明,更快生成代码不会自动带来同比例的交付提速。
测试和自动评审还不能完整表达维护者的判断
演讲区分了通过基准与合入变更:编码风格、外部系统、副作用及仓库历史都可能是缺失的背景。
理解用户和定义成功将成为工程师的核心能力
追踪订单这类泛泛需求背后隐藏着具体业务要求。产品工程师需要发现这些要求,并写成智能体可执行的规格。
初级工程师需要新的、有意识设计的成长路径
当智能体接手定义明确的编程任务,雇主应主动培养需求探索和产品判断,不能继续依赖从小任务中自然成长的旧路径。
衡量有用的交付,把专家判断明确表达出来
自动化易于验证的工作,把注意力留给重要变更,制定评分标准与评测,并衡量交付和生产结果。
💬 Key Quotes
生成看起来合理的代码,其成本已经骤降,但判断代码能否信任的成本却丝毫没变。
每一份软件,都是把某个人想完成的事情形式化的结果。
如今,我们都是产品工程师。
📊 Article Meta
AI Screening: 90
Featured: Yes
Source: AI Engineer
Author: AI Engineer
Category: 软件编程
Language: 英文
Read Time: 21 min
Word Count: 5047
Tags:
编程与工程 , 自主编码 , 安全 , AI 编程 , 科技评论
Play Full Video
这个观点很中肯,深有同感。
实话,说的不明不白
收藏了,以后慢慢研究。
写得挺用心的,支持一下。
点赞,必须点赞
内容翔实,正好需要,先收藏再看。
实测过类似工具,作者说的基本属实。
内容翔实,正好需要,先收藏再看。
很有价值的分享,感谢整理。
看标题就点进来了,内容果然没让人失望。
这篇文章分析得很透彻,收藏了!
思路清晰,干货满满。