本文来自微信公众号： HavenlonLabs ，作者：Havenlon Labs
最近，程序员圈子里流行起一个颇有意思的词：古法编程。它没有严格定义，大致用来形容不开Cursor、不用Copilot、不调Claude Code，也不把任务丢给Coding Agent，而是自己打开编辑器，查文档、找接口、写函数、改Bug，一行一行把代码敲出来。放在几年前，这就是再普通不过的"写代码"，今天却突然多了"古法"两个字。
这个词当然带着调侃，和"古法酿造""柴火灶炒菜"是同一种修辞，强调的是一种曾经理所当然、如今开始显得费时费力的生产方式。但一个行业真正重要的变化，往往先出现在语言里。当昨天还被称为正常工作的方式，今天开始被冠以传统、手工甚至古法，变的通常已经不只是工具，而是人们对于什么才算正常生产方式的默认认知。
这种转变的官方版本，写得比玩笑更直白。Google开发者博客在2026年8月11日的一篇文章里描述了它眼中的行业现状：过去大部分代码由人亲手写，如今则是AI助手和Agent批量生成，人的工作转向阅读、清理和验证这些代码，并且因为AI对系统全局缺乏视野，定义架构、划分服务边界、保证安全与可靠性的责任仍然留在人这一侧。这篇文章本意是为Go语言辩护，落点却指向一个更普遍的判断：软件工程的瓶颈正在从生成转向验证。
换句话说，AI Coding真正改变的，可能并不是程序员写代码的速度，而是程序员在整个软件生产体系中的位置。
代码曾经是一种昂贵的商品
要理解这个位置的移动，先要理解它过去为什么如此重要。
过去几十年，软件昂贵的原因很多——需求复杂、项目管理困难、维护周期漫长、基础设施成本高——但其中有一个长期存在的基本事实：把人的意图翻译成机器能够执行的代码，本身就是一项昂贵的劳动。
一个业务部门想增加一个功能，说出来往往只是一句话："希望系统能根据客户等级自动调整审批流程。"而从这句话变成一个可以稳定运行的系统，中间要经过需求分析、数据建模、接口设计、前后端开发、测试、部署、安全检查和大量调试。软件产业相当一部分成本，长期就沉积在业务意图、技术设计、程序代码、可运行系统这条翻译链路上，而程序员恰好站在链路的核心位置。
这也是为什么过去一家企业哪怕只想做一套内部管理系统，也可能需要一个完整的软件团队。代码不会凭空出现，每一个页面、接口、条件判断和数据结构，都需要有人把它写出来。编码能力因此本身就是一种稀缺生产资料。
生成式AI正在快速改变这个前提。过去一个开发者需要半天完成的接口，现在几分钟就能得到第一版；过去必须反复查文档才能搞定的陌生框架配置，Agent可以读完整个项目后直接修改；过去需要大量初级工程师承担的模板代码、测试代码和重复重构，也越来越容易交给机器。这并不意味着这些代码天然正确，但它意味着另一件更要紧的事：代码开始变得廉价。
而当一种长期稀缺的生产资料突然大量供应，受到冲击的从来不只是生产它的人。围绕它建立起来的组织结构、定价体系和产业分工，都会跟着松动。
代码越便宜，判断反而越昂贵
松动的第一处，是一种相当普遍的直觉：既然机器能快速写出代码，软件开发这件事应该会越来越简单。现实可能恰恰相反。
因为AI降低的是产生一个答案的成本，却没有同比降低判断这个答案是否正确的成本。一个Agent可以很快写出一个支付接口，但它不会替企业回答：这笔支付在什么条件下才应该被允许，失败之后能不能自动重试，重试会不会造成重复扣款，谁有权修改金额，审批通过之后如果账户状态发生变化原来的授权是否仍然有效，依赖服务异常时系统应该降级、停止还是继续执行。这些问题不会因为代码容易生成而消失；恰恰相反，当代码产能骤然放大，它们的重量还会增加。
过去，一个程序员一天写三百行代码，他最多只需要面对这三百行带来的复杂性。未来，一个人同时指挥多个Agent，一天可以让系统产生几千甚至几万行代码。这时候限制生产力的东西已经不再是键盘速度，而是这个人究竟能理解多少、能判断多少、能为多少东西承担责任。
于是AI Coding可能带来一个相当反直觉的结果：
代码生产能力越强，人类判断力反而越稀缺。
过去软件工程讨论最多的问题是怎么写得更快，未来越来越重要的问题可能变成：这么多代码，谁来证明它们值得存在。
程序员的位置正在从生产者移向判断者
如果承认瓶颈已经从写转向证明，那么把AI Coding理解成"更高级的代码补全"，就会严重低估这轮变化。
假如AI只是让一个人从一天写五百行变成一天写一千行，企业要做的事情确实很简单：给每人配一个工具，效率自然提升。但如果代码本身不再是主要瓶颈，组织方式就必须跟着改变。过去的软件团队建立在一个基本假设之上——人的编码时间是有限的。因此需求增加就增加开发，开发增加就增加测试，系统变大就增加更多维护人员。很多大型IT服务企业甚至长期把工程师数量、项目人天和投入规模当作商业模式的地基。
这块地基已经开始移动。路透社8月21日报道印度IT服务业时提到，塔塔咨询、Infosys、Wipro、HCLTech和Cognizant等外包巨头正在调整商业模式，把收费越来越多地绑定在结果而不是工时上；客户一边要求大幅降价，一边用AI把部分工作收回内部，而过去"我们有庞大的人员规模"这一竞争优势，正随着自动化程度提高而不断贬值。
这比"程序员会不会失业"更值得注意，因为真正被改写的是一套运行了几十年的组织逻辑：很多执行者加上少数判断者。未来的软件团队有可能逐渐转向另一种结构——少量高判断力的人，加上大量机器执行者。人的任务不再主要是亲自完成每一项编码劳动，而是定义目标、划分边界、设计架构、设定约束、审查结果，并对最终系统承担责任。
一个优秀工程师最重要的能力，也会随之改变。过去，一个年轻工程师最直接的竞争力是"这个功能我能不能写出来"；未来更要紧的问题可能是"这个功能到底应该以什么形式存在于整个系统里"。前者考验实现，后者考验抽象、判断与责任。
工业革命淘汰的从来不是"手"
这样的位移，在技术史上并非第一次发生。
纺织机出现之后，人类没有失去双手；汽车出现之后，人类也没有失去双腿；电子表格普及之后，会做加减乘除同样没有突然失去意义。真正变化的是另一件事：社会不再愿意为一种已经可以被机器规模化完成的劳动，继续支付过去那么高的溢价。所以工业革命淘汰的从来不是手，而是把手当作核心生产力的组织方式。
AI Coding对程序员正在做类似的事。会不会写代码依然重要，在操作系统、数据库、嵌入式、安全、分布式和实时系统这些领域，深入理解代码甚至比过去更重要；但"能够把代码写出来"本身，正在快速失去稀缺性。
摄影提供了一个更近的参照。曾经，摄影需要昂贵设备、胶卷、曝光知识和暗房技术，因此"能拍出一张照片"本身就是能力。智能手机出现之后，几十亿人都能按下快门，摄影并没有消失，消失的是按下快门这个动作的专业溢价。专业摄影师依然存在，只是市场要求他提供的东西，已经从"能拍到"变成了构图、叙事、审美、判断和独特视角。
编程大概正在进入类似的阶段。未来人人都可能让AI写出一个应用，但这并不意味着人人都能设计一个可靠的系统。
当软件越来越容易制造，可信的软件可能反而越来越贵
这种稀缺性的转移，最终会传导到整个软件产业的定价逻辑上。
过去企业购买软件，一个很重要的理由是自己开发太贵。如果一套CRM、审批系统或内部运营工具需要几十名工程师长期投入，购买成熟SaaS显然更划算。当AI把开发成本压缩到原来的一小部分，一个问题自然会浮上来：为什么我不能自己做？路透Breakingviews在8月的一篇专栏中已经把这个疑问摆到了商业层面，其判断相当克制——Vibe Coding的压力主要落在那些本身只是薄薄一层工作流封装的产品上，而真正守得住的产品，护城河在于分发、数据、信任或运营复杂度。
这句话的另一面同样重要。企业很快会发现，做出一个"能跑"的软件越来越容易，做出一个能够长期运行、能够审计、能够扩展、能够维护、出了问题有人负责的软件，却并没有同步变容易。于是市场可能出现一种新的分化：实现越来越便宜，可信越来越昂贵。
大量一次性应用、内部工具和简单业务系统会因为AI而迅速商品化；而那些真正涉及资金、生产、医疗、基础设施、核心数据和现实执行的系统，价值会越来越集中在另一组能力上——架构、验证、安全、证据、可靠性、责任与边界。软件产业最昂贵的部分正在缓慢移动：过去人们购买的是"帮我把软件写出来"，未来人们更可能购买的是"帮我确保这个系统值得被运行"。
真正的程序员，也许才刚刚出现
顺着这条线看下去，把今天的变化概括为"AI要取代程序员"，反而低估了它。更准确的说法也许是：AI正在重新定义什么东西才配被称为程序员的核心能力。
过去几十年，大量优秀工程师其实把相当多时间消耗在机械劳动上：写重复接口、搬数据结构、处理模板代码、查SDK文档、改配置文件、补测试、调格式、修复大量并不复杂的Bug。而最能体现软件工程能力的部分——架构、抽象、边界、可靠性、安全、对复杂系统的整体判断——往往只占工作的一小块。如果AI最终把前一类劳动大量吸收掉，这个职业未必会变得更廉价，反而可能重新变得更专业。
未来一个优秀工程师的价值，会越来越少体现在今天写了多少代码，而越来越多体现在：他知道什么东西应该被构建，也知道什么东西不应该被构建；知道系统哪里可以灵活，哪里绝不能妥协；知道什么时候可以相信机器，什么时候必须拒绝机器。这里的拒绝并不是对机器的不信任，而是承认一个更朴素的事实——机器会在完全善意、完全"正确"的推理下写出一段不该存在的逻辑，就像人也会。因此可靠性不能只依赖某一个环节足够可信，而要依赖一套即使某个环节出错、也仍然能够拦住结果的结构。当一切看起来都能运行的时候，仍然有人能问出那句"它真的正确吗"，这句话才有分量。
这或许才是"古法编程"这个玩笑背后真正值得注意的地方。今天我们说一个人还在亲手一行行敲代码是古法编程；几年后回头看，这个词记录下来的可能并不是某个编辑器、某个模型或某种开发习惯的兴衰，而是软件产业跨过的一条边界：
软件第一次从代码稀缺的时代，进入代码过剩的时代。
在一个代码越来越廉价、近乎无限供应的世界里，真正昂贵的东西将不再是代码本身，而是判断、责任、边界，以及知道什么东西即使能够被写出来，也不应该被执行。