“写代码”的行为正在消失，但程序员这个职业将永远存在

导读：我们正在进入一个“编程”不再重要的时代。但这并不意味着程序员会被淘汰，恰恰相反，优秀的程序员将变得前所未有的重要。我们正在经历一场深刻的角色转变，从代码的“工匠”进化为系统的“指挥家”。

最近，YC 合伙人邀请 Segment 的联合创始人、前 OpenAI Codex 团队工程师 Calvin French-Owen 聊了一期播客，话题是《我们都对 Claude Code 上瘾了》。

但 Claude Code 只是表面现象，实际揭示了当前AI编程工具浪潮下，软件开发这个行业正在发生的一些根本性、结构性的变化。

大多数人对 AI 编程工具的理解还停留在“自动补全”或“代码生成器”的层面，认为它只是一个效率工具，就像从手动挡汽车换成了自动挡。

但真正的变革发生在更深层次的交互范式、工具哲学和开发者心智模型上。

当前最顶尖的编程智能体（Coding Agents），如 Claude Code，其主流交互界面竟然是命令行（CLI），而不是我们想象中功能丰富的集成开发环境（IDE）。

这看起来像是一种技术倒退，但背后有其必然性：CLI 的优势恰恰在于它“不是”一个 IDE。

IDE 的设计哲学是让开发者沉浸在代码的细节中，文件、目录结构、函数定义尽收眼底，开发者需要将整个项目的状态加载到自己的“人脑内存”中。

这是一个典型的“工匠”模式，你需要精雕细琢每一行代码。

而 CLI 不同。它将开发者与代码生成的具体过程分离开来。你下达一个指令，比如“修复这个 bug 并为它写一个测试”，然后智能体开始工作，你看到的只是一些进度条和状态更新。你关心的是任务本身，而不是实现任务的代码细节。

这种心理上的距离感，让开发者从繁琐的执行中解脱出来，专注于更高层面的目标和逻辑。这正是从“工匠”到“指挥家”转变的开始。指挥家不需要亲自演奏每一个音符，他需要的是确保整个乐团的演奏是和谐且正确的。

编程智能体的最佳交互界面，不是让开发者更方便地“写”代码，而是让他们更高效地“指挥”代码。CLI 这种古老的工具，因为其简洁、直接和高权限的特性，意外地成为了新范式下的最佳选择。这不是倒退，而是交互范式的螺旋式上升。

为什么 Claude Code 的表现如此惊艳？仅仅是因为模型本身更强大吗？

实际上，

Claude Code 的核心优势在于它对上下文的精妙管理，特别是“上下文分隔”（Context Splitting）的能力。

当你向 Claude Code 发出一条指令时，它并不会把所有事情都放在一个巨大的上下文窗口里硬扛。相反，它会生成多个“探索子智能体”。这些子智能体通常使用速度更快、成本更低的模型（比如 Haiku）并发地去探索文件系统，使用 grep 等工具查找相关代码片段。

每一个子智能体都在自己的、独立的、较小的上下文窗口中运行。它们完成探索后，会将结果进行总结，然后反馈给主进程。主进程再基于这些高度浓缩和相关的信息，使用更强大的模型（比如 Opus）来完成最终的任务。

这种架构设计的巧妙之处在于：

第一，效率和成本效益

：用廉价、快速的模型处理大规模的搜索和信息收集工作，用昂贵、强大的模型处理核心的逻辑推理和代码生成，实现了资源的最佳配置。

第二，规避大上下文窗口的陷阱

：用过大模型的人都知道“上下文污染”或“长程遗忘”的问题。当上下文窗口过长时，模型会开始“犯傻”，忘记开头的指令，或者被中间的无关信息带偏。Claude Code 通过将大任务分解为多个小上下文任务，从根本上缓解了这个问题。每个子智能体都只专注于自己的小目标，保证了信息处理的准确性。

第三，模拟人类专家的工作方式

：这套机制非常像一个高级工程师带领一个团队。高级工程师（主进程）接到一个复杂任务后，不会亲自去翻阅每一行代码。他会把任务分解，让几个初级工程师（子智能体）分头去调研相关的模块，然后向他汇报。最后，他综合所有信息，做出最终的架构决策和核心代码实现。

相比之下，Cursor 采用的是语义搜索来寻找上下文，而 Codex 则更倾向于在一个巨大的、可动态压缩的上下文中处理长任务。

这三种方式没有绝对的优劣，但 Claude Code 的“上下文分裂”架构，无疑是目前在交互式编程场景下，平衡效果、速度和成本的最佳实践之一。它体现了 Anthropic 公司“构建为人类服务的工具”这一产品哲学，让 AI 的工作方式更贴近人类的思维和协作模式。

路线之争：Anthropic 的“人类增强” vs. OpenAI 的“AGI 降临”

Anthropic (Claude) 和 OpenAI (Codex) 在产品哲学上的根本分歧，决定了它们工具形态的差异。

Anthropic 走的是“人类增强”的路线。

Claude Code 被设计为一个聪明的同事或助手。它的交互是对话式的、回合制的，它会分解任务、向你汇报，工作方式可以被人类理解。

它的目标是成为开发者手中的一把神兵利器，一个思维的放大器。前面提到的“上下文分裂”架构就是这种哲学的体现。

OpenAI 则更着眼于“通用人工智能”（AGI）的最终目标。

Codex 的设计理念更倾向于一个可以长时间自主运行的“智能体”。它不一定需要模仿人类的工作方式。Codex 可以在后台持续运行，通过周期性的“上下文压缩”来处理长达数小时甚至数天的任务。它的目标不是成为你的助手，而是最终替代你完成整个任务。

前者更像一个强大的“外骨骼”，让你跑得更快、跳得更高；后者则像一个全自动的“无人机”，你设定目标，它自己去完成。

在当前阶段，“外骨骼”的体验更好，因为它与现有的开发流程结合得更紧密，这也是为什么很多人感觉 Claude Code “更好用”。但从长远来看，能够自主执行复杂长耗时任务的“无人机”模式，可能蕴含着更大的颠覆性。

这场路线之争的本质是，我们是希望 AI 成为一个更聪明的“工具”，还是一个更自主的“工人”？

短期内，市场选择了前者。但技术的演进方向，很可能最终会走向后者。理解这一点，对我们判断未来技术趋势至关重要。

当 AI 接管了具体的代码实现后，程序员的价值在哪里？

成为顶尖的 1% 用户，需要的不再是精通语法或者打字速度，而是一系列新的“指挥家”技能。

架构品味和任务分解

是最重要的能力。高级工程师的价值，在于他们能将一个模糊的产品需求，转化为清晰、合理的软件架构和一系列可执行的任务。AI 智能体极其擅长执行一个明确的指令，但如果你给它的指令本身是错误的，它只会以极高的效率把事情搞砸。能否给出高质量的指令，决定了你和普通用户的差距。

成为一个“上下文工程师”

，知道在启动任务时，应该喂给智能体哪些关键文件和信息。更重要的是，要能识别智能体何时“犯傻”。当上下文窗口被占用超过 50% 时，模型的表现就会开始下降。这时需要主动清空上下文，重新开始。这就像管理一个记性很好但容易分心的员工，你需要不断地帮他聚焦。

建立验证和反馈闭环

：信任，但要验证。AI 生成的代码可能存在各种隐蔽的问题。因此，建立完善的测试体系变得前所未有的重要。花时间将项目的测试覆盖率提升到 100%，使用 AI 的效率也许反而提高。因为 AI 每次提交代码后，可以立即通过运行测试来验证自己的工作，形成了一个快速的“生成-验证”闭环。这极大地提升了代码质量和开发速度。自动化测试、Linting 规则、Code Review 机器人，这些都将成为指挥家的“仪表盘”和“质检员”。

选择正确的“战场”能事半功倍

。高手会倾向于使用 Vercel、Next.js、Cloudflare Workers 这类高度集成和自动化的平台。因为这些平台为你处理了大量的底层设施和“管道代码”，让 AI 智能体可以专注于核心的业务逻辑。你的任务是为 AI 智能体创造一个最容易发挥其能力的环境。

总而言之，新时代程序员的核心竞争力，正在从“如何实现”转向“做什么”和“如何验证”。你的价值体现在你的经验、判断力、系统设计能力以及构建自动化反馈系统的能力上。

以 Segment 为例，如果今天重新创建 Segment，会是什么样子？

实际上，Segment 最初的核心价值——编写和维护各种数据源到各种分析工具的集成代码——在今天几乎已经贬值为零。任何一个开发者都可以用 Claude Code 在几分钟内写出类似的集成。

Segment 今天真正的价值，在于更高层次的抽象：

数据治理、用户身份统一、以及基于干净统一的数据进行自动化营销和产品个性化等。

价值链已经从底层的“数据管道工”迁移到了顶层的“数据策略师”和“增长自动化引擎”。

所有软件正在发生同样的事情。过去，很多公司的护城河是其复杂的技术实现。而现在，任何“实现”层面的复杂性，都有可能被 AI 智能体在短时间内夷为平地。

真正的、持久的护城河，正在向产品设计、用户体验、业务逻辑的深刻理解、以及独特的专有数据集迁移。

编程正在死去，但程序员永生。

这里的“编程”，指的是那种手工作坊式的、逐行编写代码的活动。“敲代码”行为本身的重要性正在迅速下降。但“程序员”，作为理解需求、设计系统、指挥机器、并为最终结果负责的那个角色，其重要性正在急剧上升。

繁琐的体力劳动正在被剥离，留给我们的是更纯粹的、更具创造性的智力挑战。

这对于每一个拥抱变化的开发者来说，不是危机，而是有史以来最好的机遇。你需要做的，就是放下手中的“锤子”，拿起“指挥棒”。

作品声明：仅在头条发布，观点不代表平台立场