90%的代码交给AI后，程序员还剩什么本事？Devin背后职业重构真相

Cognition AI的工程师已经很少亲自写代码了。这家开发了全球首个AI编程智能体Devin的公司，其创始人Scott Wu——三届国际信息学奥林匹克竞赛金牌得主——在2026年初的一次访谈中说了一句让整个行业沉默的话："过去做软件开发，大约10%的时间用来思考要做什么，剩下90%的时间都在处理实现的细节。现在，那90%的活不用人干了。"Devin在过去一年间已成功接入花旗银行、桑坦德银行、美国财政部等机构的真实业务环境。2026年仅前两个月，Devin完成的代码交付量就已超越了2025年全年的总和。工程师只需投入1小时来指导Devin，就能产出过去6到12小时的工作量。当"写代码"这一核心工作被交给AI之后，人的真正价值在哪里？这个问题正在被全球数百万程序员反复追问。

要理解这场变革的深度，必须先看清Devin这类AI Agent到底能做什么——以及不能做什么。

Devin 2.2版本（2026年2月发布）已经具备了"全桌面级计算机使用能力"。它不再局限于命令行和浏览器，而是能操控Linux桌面——启动带图形界面的应用程序、点击按钮、进行端到端的视觉QA测试、记录操作全过程。它拥有自己的Shell终端、云端IDE和浏览器，像一个真正的人类工程师一样工作：调研技术文档、编写代码、运行测试、修复bug、部署上线。

根据SWE-bench基准测试，Devin在无人类协助的情况下能解决约13.86%的真实世界问题。这个数字看起来不高，但对比一下：2024年初同类工具只能解决不到3%的问题。一年时间翻了四倍多。按照这个速度，到2027年，AI Agent可能能独立解决30%到40%的真实软件工程问题。

但Devin真正颠覆的不是"能写代码"——Copilot早就能写代码了。Devin颠覆的是"能独立完成一个完整任务"。Copilot帮你写一行代码，Devin帮你完成一个功能。Copilot是"代码补全工具"，Devin是"软件工程师"。这个区别是范式级的。

Cognition AI内部的工作方式已经彻底改变。工程师不再以写代码为主要工作方式。他们用自然语言描述任务目标，Devin去执行，工程师审查结果。如果结果不对，工程师指出问题，Devin修正。这个过程循环往复，直到产出符合预期。工程师的角色从"执行者"变成了"审查者"和"决策者"。

Scott Wu的"10%和90%"论断值得深挖。

那10%是什么？是理解问题、设计方案、决定用什么架构。这10%决定了软件"做什么"和"怎么做"。那90%是什么？是写代码、处理边界情况、修bug、做迁移、实现所有琐碎的执行环节。这90%决定了软件"做出来"。

在AI出现之前，一个程序员的价值主要由那90%的执行能力决定。你Java写得快、bug少、能搞定复杂业务逻辑——你就是好程序员。那10%的"定义问题"能力，通常被认为是高级工程师和架构师的专属领域。

AI正在彻底翻转这个价值分配。当AI能以极低成本完成那90%的执行工作时，"写代码快"这个能力急剧贬值。而"定义问题"——搞清楚到底要做什么、为什么做、怎么做才对——这个能力急剧升值。

36氪在2026年的一篇深度报道中引用了Cognition AI内部的一个观察："人的价值被重新定义为定义问题、设计架构与进行决策等核心判断力。通过将工程师的角色转变为'智能体团队的CTO'，AI极大地放大了具备主动性、全局观和不确定性容忍度的人才产出。"

这意味着什么？意味着一个能清晰定义问题、设计合理架构、做出正确技术决策的工程师，借助AI可以产出过去一个团队的工作量。而一个只会"按要求写代码"的工程师，正在被AI直接替代。

Devin带来的不仅是个人工作方式的变化，更是整个软件工程组织形态的重构。

传统软件团队的结构是金字塔形的：一个架构师或技术负责人定义方向，几个高级工程师设计方案，十几个中级工程师写代码，几个初级工程师打杂和测试。这个结构存在的前提是"写代码需要大量人力"。

当AI能完成90%的编码工作后，这个前提崩塌了。一个"超级个体"——能定义问题、设计架构、驾驭AI的人——可以完成过去一个团队的工作。36氪的报道指出，这预示着"超级个体与微型团队时代的到来"。

这不是理论推演，而是正在发生的事实。Cognition AI自身就是一个微型团队——公司只有几十个人，但产出了服务花旗银行和美国财政部级别的产品。他们靠的不是人多，而是"每个人都能驾驭AI"。

在中国，这个趋势同样明显。界面新闻2026年4月的报道引用了一个扎心的结论："大厂抢人：宁要一个'亿元大脑'，不要百个'代码民工'。"领英《2026年上升最快职业报告》指出，虽然AI岗位需求暴涨，但面试的"及格线"也随之发生了质变——企业不再问"你会不会写代码"，而是问"你能不能用AI实现业务目标"。

前程无忧《2026离职与调薪调研报告》的数据更加具体：在整体调薪幅度放缓至4.0%的背景下，具备实战经验的AI资深人才调薪幅度可高达35%。多模态算法工程师、机器学习工程师等岗位的薪酬中位值均超过2.3万元/月。而只会写基础代码的初级程序员，平均月薪从2023年的8000元降至2026年的5500元。

当90%的代码由AI生成，程序员需要的新技能是什么？

第一是"需求分解能力"。你不再需要把需求翻译成代码，但你需要把模糊的业务需求分解成AI能理解的任务单元。这个能力听起来简单，实际上极难——它要求你对业务有深度理解，对技术边界有清晰认知，对AI的能力和局限有准确判断。

第二是"AI指令设计能力"。给AI下指令不是"写Prompt"那么简单。你需要知道如何给AI提供足够的上下文（哪些文件相关、哪些约束条件必须遵守、哪些边界情况需要特别处理），如何设计验收标准让AI自我检查，如何在AI跑偏时精准地纠正方向。

第三是"质量判断能力"。AI生成的代码在功能上往往是对的，但在架构上可能是错的，在安全上可能是有漏洞的，在可维护性上可能是灾难性的。你需要能快速判断：这段AI代码"能用"还是"好用"？"现在没问题"还是"三个月后会爆炸"？

第四是"系统思维"。当AI帮你处理了所有实现细节，你反而需要更强的系统思维——因为没有人帮你检查"这个功能加上去会不会破坏整体架构"。AI只对你给它的任务负责，不对整个系统负责。系统的一致性、扩展性、安全性，仍然需要人来把控。

这四项能力，没有一项是传统计算机教育重点培养的。传统教育教的是"怎么写代码"，而AI时代需要的是"怎么判断代码对不对""怎么定义要做什么""怎么设计系统架构"。这解释了为什么2026年的招聘市场上出现了巨大的供需错配——企业要的人学校没教，学校教的人企业不要。

结语

Devin和它的同类产品不是来"取代程序员"的。它们是来"取代写代码这个动作"的。这两者之间有本质区别。

写代码从来不是软件工程的终极目的。软件工程的终极目的是"用技术解决真实世界的问题"。写代码只是实现这个目的的手段之一。当AI把这个手段的成本降到趋近于零时，软件工程的核心竞争力终于回归到了它本来的位置：理解问题、设计方案、做出判断。

这对那些"只会写代码"的程序员来说是坏消息。但对那些"真正理解软件工程本质"的程序员来说，这是最好的时代——他们终于可以从90%的执行细节中解放出来，把全部精力投入到那真正有价值的10%上。而那个10%，恰恰是AI永远无法替代的——因为它需要的是判断力、创造力和对真实世界问题的深度理解，而不是模式匹配和代码生成。