大家好我是老刘前两天和一个老同事聊了聊他正学习大模型训练打算转行不搞客户端开发了。原因是最近两年一直在被优化、投几个月简历、试用、被优化的循环中。并不是他能力不行在之前的公司他是我们客户端这边的核心骨干能顶半边天。实在是这两年大环境太难了不管你多亮眼的简历人家看都不看。好不容易拿到一个offer干不了几个月部门就没了。一方面是经济大环境不好消费一直没起来另一方面也是AI冲击的结果。最近打开各种新闻和文章总能看到专家们搬出经济学原理来安抚大众不要慌回顾历史每一次技术革命比如蒸汽机、电力、互联网最终都创造了更多的工作岗位。AI也是一样它不会减少工作机会只会让蛋糕变得更大。听起来很有道理对吧但如果你环顾四周体感却完全不是这么回事。大厂在持续优化设计部门的同事被裁了写文案的兄弟每天如履薄冰各种招聘软件上投出去的简历石沉大海。为什么经济学的真理在现实生活中让人感觉这t么像是在画大饼因为专家们讲的是宏观而我们普通人活在真实世界里。宏观的增长掩盖不了微观的失业经济学最喜欢看总盘子。从宏观上看新技术的出现确实催生了新产业甚至拉动了整体经济总岗位数量或许真的在增加。但在微观层面某些传统岗位就是被彻底取代了而这些岗位的从业者正在实实在在地失去他们的饭碗。残酷的现实经济学家眼里的数字是普通人一家的生计。当高速公路普及ETC收费员的岗位确实消失了。即使科技公司因此新增了一万个算法工程师的岗位这对那个刚失去工作的收费员来说没有任何意义。她不可能一夜之间学会写代码去填补那个新岗位。AI时代也是一样。当一个熟练的AI工具能在一分钟内出十张图原画师和初级设计师的岗位就被吃掉了。你告诉他们去当AI提示词工程师这就跟何不食肉糜一样脱离群众。时代的一粒灰落在个人头上就是一座山。我们不能用宏观的乐观去掩盖微观个体的痛苦。致命的时间差旧饭碗砸了新饭碗还没造好就算我们承认宏观上最终会增加岗位这里面也存在一个巨大的陷阱那就是时间差。经济学的推演往往建立在长期均衡的假设上预设了一个无缝衔接的理想状态。但正如经济学家凯恩斯的那句名言在长期我们都死了。现实的过渡期是非常漫长且折磨人的。尴尬的处境旧的岗位已经被AI无情取代但所谓的新岗位还没有大规模涌现。很多企业在面对AI时的第一反应根本不是我要用AI开拓新业务招更多的人而是太好了我可以用AI裁掉一半的基础员工省下一大笔成本。这就是我们现在的处境**破坏是瞬间发生的而建设是缓慢的。**在旧产业被颠覆、新产业还没建立起成熟商业模式的过渡期里我们正处于一个岗位青黄不接的真空期。经济学只看终局但我们普通人要在漫长的过渡期里活下去。AI的降维打击它可能真的不需要司机很多人喜欢用汽车取代马车的例子来类比AI。过去汽车淘汰了马车夫但创造了司机、修理工、流水线工人等更多岗位。因为汽车终究只是个工具它仍然需要人作为劳动力来驱动。但AI的特殊性在于它和过去的所有技术都不一样。过去所有的技术革命本质上都是劳动力增强工具替代的是人类的肌肉而AI开始替代人类的大脑。本质的区别过去的技术是工具人是操作者。而现在的AI具备了逻辑推理和自主决策能力正在试图变成自主的劳动主体和操作者本身。过去所有的技术革命本质上都是“劳动力增强”工具替代的是人类的“肌肉”而AI开始替代人类的“大脑”。随着AI能力的不断提升它逐步可以完全自主运转。它不仅能写代码还能自己测试、自己修复bug、自己部署上线。以前的新技术是把人的体力杠杆放大了而AI是在逐步把人从生产流程中剥离出去。当一个系统只需要极少量的超级个体就能运转时它对普通劳动力的需求就是断崖式下跌的。程序员的AI破局之道那么面对这种降维打击作为曾经是香饽饽的程序员群体我们到底该怎么办呢再说回开头我那个转行的老同事他现在就是靠着懂客户端底层逻辑加上对大模型的处理能力在传统企业降维打击。他的经历其实印证了我们普通程序员破局的三个方向1. 从代码翻译机转型为产品工程师以前很多程序员的工作模式是产品经理出原型我负责把原型翻译成代码。这种单纯的翻译工作AI做得比人快还比人便宜。未来的程序员不能只懂技术必须要懂业务、懂产品。AI搞不定模糊不清的需求也不懂怎么在有限的资源下做产品妥协。谁能用技术手段解决真实的商业问题谁就是不可替代的。你比不懂技术的产品经理的优势还在于你能给AI兜底。当碰到AI解决不了的问题时你就是最后一道防线。比如当产品经理提出一个需要耗时两周、逻辑稀碎的复杂需求时你不再是只会抱怨技术实现不了而是用AI跑出一个平替的交互Demo甩在桌上“这套方案成本最低、上线最快为了商业目标咱们直接用这个。” 谁能解决真实的商业问题谁就有话语权。2. 把AI变成你的杠杆既然AI写基础代码这么牛那我们就把这些脏活累活全丢给它。熟练使用各种AI编程工具把原本一天的开发工作量缩短到一小时。当你能熟练驾驭AI时你就不再是一个单打独斗的码农而是一个带着AI开发团队的架构师。记住那句话AI不会淘汰程序员但会使用AI的程序员会淘汰不用AI的程序员。从今天起强制自己把Cursor、GitHub Copilot或Claude Code融入工作流破解屎山代码遇到无注释的旧代码不要硬啃直接丢给大模型让它先生成一份中文注释和逻辑流程图。生成单元测试写完核心业务逻辑后直接让AI生成完整的测试用例覆盖各种边界条件。处理疑难Bug遇到诡异的报错别再去搜索引擎翻旧帖大海捞针把完整Log和上下文贴给AI让它直接定位问题行。3. 深耕非标准化的深水区AI最擅长处理标准化的、逻辑清晰的问题。但在我们真实的开发环境中充满了各种非标准的泥沼比如历史遗留下来的屎山代码重构跨越多个部门的复杂业务联调再比如一个bug到底是修改客户端的数据处理还是修改上游接口的输出逻辑这些需要极强上下文理解、跨团队沟通甚至一点点人情世故的深水区AI目前还束手无策。这些脏活累活恰恰是现阶段人类程序员的护城河。写在最后所以你现在的焦虑是完全合理的。不要让那些脱离实际的宏观理论否定了你的真实体感。面对这样一个能够自主运转的新物种我们普通人能做的就是尽量不要让自己停留在可被轻易替代的工具人层面。去寻找那些需要复杂沟通、深度共情以及跨界整合的非标准化领域。毕竟AI越是冰冷高效人类真实的温度和独特的洞察就越有价值。比如老刘考虑要不要去学一下推拿这似乎是一个很有意思的选择。还有开头提到的那位老同事可以给传统企业做私有化的模型定制和部署。打不过就加入既然代码能自动生成那我们就去给生成代码的机器定规矩。过去的技术是替代我们的肌肉现在的AI在替代我们的大脑。但别忘了AI再高效也只是个算力怪兽它懂代码但不懂人情世故不懂商业妥协。去干那些AI嫌脏、嫌麻烦的活儿那才是人类的绝对领域。你目前的工作有多少比例正在被AI替代转发这篇文章到你的研发群看看大家是正在经历过渡期阵痛还是已经摸索出了新玩法。也欢迎在评论区打卡本周你准备把哪个恶心的屎山模块第一个扔给AI重构 如果看到这里的同学对客户端或者Flutter开发感兴趣欢迎联系老刘我们互相学习。 私信免费领老刘整理的《Flutter开发手册》覆盖90%应用开发场景。可以作为Flutter学习的知识地图。 : laoliu_dev 老刘也把自己历史文章整理在GitHub仓库里方便大家查阅。 https://github.com/lzt-code/blog
经济学说AI不抢饭碗，为何现在找工作却越来越难？
大家好我是老刘前两天和一个老同事聊了聊他正学习大模型训练打算转行不搞客户端开发了。原因是最近两年一直在被优化、投几个月简历、试用、被优化的循环中。并不是他能力不行在之前的公司他是我们客户端这边的核心骨干能顶半边天。实在是这两年大环境太难了不管你多亮眼的简历人家看都不看。好不容易拿到一个offer干不了几个月部门就没了。一方面是经济大环境不好消费一直没起来另一方面也是AI冲击的结果。最近打开各种新闻和文章总能看到专家们搬出经济学原理来安抚大众不要慌回顾历史每一次技术革命比如蒸汽机、电力、互联网最终都创造了更多的工作岗位。AI也是一样它不会减少工作机会只会让蛋糕变得更大。听起来很有道理对吧但如果你环顾四周体感却完全不是这么回事。大厂在持续优化设计部门的同事被裁了写文案的兄弟每天如履薄冰各种招聘软件上投出去的简历石沉大海。为什么经济学的真理在现实生活中让人感觉这t么像是在画大饼因为专家们讲的是宏观而我们普通人活在真实世界里。宏观的增长掩盖不了微观的失业经济学最喜欢看总盘子。从宏观上看新技术的出现确实催生了新产业甚至拉动了整体经济总岗位数量或许真的在增加。但在微观层面某些传统岗位就是被彻底取代了而这些岗位的从业者正在实实在在地失去他们的饭碗。残酷的现实经济学家眼里的数字是普通人一家的生计。当高速公路普及ETC收费员的岗位确实消失了。即使科技公司因此新增了一万个算法工程师的岗位这对那个刚失去工作的收费员来说没有任何意义。她不可能一夜之间学会写代码去填补那个新岗位。AI时代也是一样。当一个熟练的AI工具能在一分钟内出十张图原画师和初级设计师的岗位就被吃掉了。你告诉他们去当AI提示词工程师这就跟何不食肉糜一样脱离群众。时代的一粒灰落在个人头上就是一座山。我们不能用宏观的乐观去掩盖微观个体的痛苦。致命的时间差旧饭碗砸了新饭碗还没造好就算我们承认宏观上最终会增加岗位这里面也存在一个巨大的陷阱那就是时间差。经济学的推演往往建立在长期均衡的假设上预设了一个无缝衔接的理想状态。但正如经济学家凯恩斯的那句名言在长期我们都死了。现实的过渡期是非常漫长且折磨人的。尴尬的处境旧的岗位已经被AI无情取代但所谓的新岗位还没有大规模涌现。很多企业在面对AI时的第一反应根本不是我要用AI开拓新业务招更多的人而是太好了我可以用AI裁掉一半的基础员工省下一大笔成本。这就是我们现在的处境**破坏是瞬间发生的而建设是缓慢的。**在旧产业被颠覆、新产业还没建立起成熟商业模式的过渡期里我们正处于一个岗位青黄不接的真空期。经济学只看终局但我们普通人要在漫长的过渡期里活下去。AI的降维打击它可能真的不需要司机很多人喜欢用汽车取代马车的例子来类比AI。过去汽车淘汰了马车夫但创造了司机、修理工、流水线工人等更多岗位。因为汽车终究只是个工具它仍然需要人作为劳动力来驱动。但AI的特殊性在于它和过去的所有技术都不一样。过去所有的技术革命本质上都是劳动力增强工具替代的是人类的肌肉而AI开始替代人类的大脑。本质的区别过去的技术是工具人是操作者。而现在的AI具备了逻辑推理和自主决策能力正在试图变成自主的劳动主体和操作者本身。过去所有的技术革命本质上都是“劳动力增强”工具替代的是人类的“肌肉”而AI开始替代人类的“大脑”。随着AI能力的不断提升它逐步可以完全自主运转。它不仅能写代码还能自己测试、自己修复bug、自己部署上线。以前的新技术是把人的体力杠杆放大了而AI是在逐步把人从生产流程中剥离出去。当一个系统只需要极少量的超级个体就能运转时它对普通劳动力的需求就是断崖式下跌的。程序员的AI破局之道那么面对这种降维打击作为曾经是香饽饽的程序员群体我们到底该怎么办呢再说回开头我那个转行的老同事他现在就是靠着懂客户端底层逻辑加上对大模型的处理能力在传统企业降维打击。他的经历其实印证了我们普通程序员破局的三个方向1. 从代码翻译机转型为产品工程师以前很多程序员的工作模式是产品经理出原型我负责把原型翻译成代码。这种单纯的翻译工作AI做得比人快还比人便宜。未来的程序员不能只懂技术必须要懂业务、懂产品。AI搞不定模糊不清的需求也不懂怎么在有限的资源下做产品妥协。谁能用技术手段解决真实的商业问题谁就是不可替代的。你比不懂技术的产品经理的优势还在于你能给AI兜底。当碰到AI解决不了的问题时你就是最后一道防线。比如当产品经理提出一个需要耗时两周、逻辑稀碎的复杂需求时你不再是只会抱怨技术实现不了而是用AI跑出一个平替的交互Demo甩在桌上“这套方案成本最低、上线最快为了商业目标咱们直接用这个。” 谁能解决真实的商业问题谁就有话语权。2. 把AI变成你的杠杆既然AI写基础代码这么牛那我们就把这些脏活累活全丢给它。熟练使用各种AI编程工具把原本一天的开发工作量缩短到一小时。当你能熟练驾驭AI时你就不再是一个单打独斗的码农而是一个带着AI开发团队的架构师。记住那句话AI不会淘汰程序员但会使用AI的程序员会淘汰不用AI的程序员。从今天起强制自己把Cursor、GitHub Copilot或Claude Code融入工作流破解屎山代码遇到无注释的旧代码不要硬啃直接丢给大模型让它先生成一份中文注释和逻辑流程图。生成单元测试写完核心业务逻辑后直接让AI生成完整的测试用例覆盖各种边界条件。处理疑难Bug遇到诡异的报错别再去搜索引擎翻旧帖大海捞针把完整Log和上下文贴给AI让它直接定位问题行。3. 深耕非标准化的深水区AI最擅长处理标准化的、逻辑清晰的问题。但在我们真实的开发环境中充满了各种非标准的泥沼比如历史遗留下来的屎山代码重构跨越多个部门的复杂业务联调再比如一个bug到底是修改客户端的数据处理还是修改上游接口的输出逻辑这些需要极强上下文理解、跨团队沟通甚至一点点人情世故的深水区AI目前还束手无策。这些脏活累活恰恰是现阶段人类程序员的护城河。写在最后所以你现在的焦虑是完全合理的。不要让那些脱离实际的宏观理论否定了你的真实体感。面对这样一个能够自主运转的新物种我们普通人能做的就是尽量不要让自己停留在可被轻易替代的工具人层面。去寻找那些需要复杂沟通、深度共情以及跨界整合的非标准化领域。毕竟AI越是冰冷高效人类真实的温度和独特的洞察就越有价值。比如老刘考虑要不要去学一下推拿这似乎是一个很有意思的选择。还有开头提到的那位老同事可以给传统企业做私有化的模型定制和部署。打不过就加入既然代码能自动生成那我们就去给生成代码的机器定规矩。过去的技术是替代我们的肌肉现在的AI在替代我们的大脑。但别忘了AI再高效也只是个算力怪兽它懂代码但不懂人情世故不懂商业妥协。去干那些AI嫌脏、嫌麻烦的活儿那才是人类的绝对领域。你目前的工作有多少比例正在被AI替代转发这篇文章到你的研发群看看大家是正在经历过渡期阵痛还是已经摸索出了新玩法。也欢迎在评论区打卡本周你准备把哪个恶心的屎山模块第一个扔给AI重构 如果看到这里的同学对客户端或者Flutter开发感兴趣欢迎联系老刘我们互相学习。 私信免费领老刘整理的《Flutter开发手册》覆盖90%应用开发场景。可以作为Flutter学习的知识地图。 : laoliu_dev 老刘也把自己历史文章整理在GitHub仓库里方便大家查阅。 https://github.com/lzt-code/blog
