初级程序员正在消失，AI 没干掉编程，但干掉了入门台阶

摘要：AI 没有让编程消失。它先拿走的是新人原本用来长出工程直觉的训练场。

AI 没有拆掉编程这栋楼。它先拆掉的，是一楼通往二楼的楼梯。

这几年，很多关于 AI 和程序员的讨论，都被带进了一个太粗糙的问题里：AI 会不会取代程序员？

这个问法太大，也太容易吓人。

更准确的问题是：AI 正在取代哪一种程序员？又在改变哪一种人成为程序员的路径？

我的判断很简单：AI 没干掉编程。它先干掉的，是入门台阶。

以前，一个新人进入软件行业，通常不是一上来就设计系统，也不是第一天就负责架构。

他会从很小、很碎、很不起眼的任务开始。

改一个按钮。修一个表单。写一个接口。补一个测试。查一段日志。把一个看起来无聊的 CRUD 做到能上线。

这些活看起来低级，但它们不是垃圾工作。

它们是训练场。

一个人就是在这些小任务里，慢慢知道：代码不是写完就结束；需求不是一句话就清楚；线上问题不会按教程报错；别人写的系统永远比示例项目更乱。

这才是初级程序员真正被训练出来的地方。

问题在于，AI 最先变强的，恰好就是这些任务。

写样板代码，AI 很快。补单元测试，AI 很快。解释报错，AI 很快。生成一个页面，AI 很快。把一个需求拆成几个函数，AI 也越来越快。

于是公司很自然地会问：这些原本交给 junior 的任务，为什么不先交给 AI？

这不是 AI 一夜之间干掉了所有程序员。

这是初级岗位最依赖的任务池，被 AI 抽干了一部分。

对资深工程师来说，AI 是杠杆。

他知道系统边界在哪里，知道生成结果哪里可疑，知道什么时候应该重构，什么时候应该先别动。他能把 AI 当成外包的手，把自己放在判断、验证和取舍的位置上。

但对新人来说，AI 可能不是杠杆，而是一团雾。

因为新人还没有足够的工程直觉去判断：这段代码是对的，还是只是看起来对；这个解释是准确的，还是只是语气很自信；这个方案能不能上线，还是只能在 demo 里活着。

这就是最残酷的结构变化。

AI 让会编程的人变得更强，却让不会编程的人更难学会真正的编程。

不是因为学习资料少了。

恰恰相反，资料更多了，答案更多了，代码更多了。

但训练减少了。

你以前必须亲手踩的坑，现在 AI 可以帮你绕过去。你以前必须自己读的错误栈，现在 AI 可以直接解释。你以前必须自己写到崩溃的项目，现在 AI 可以几分钟搭出一个能跑的版本。

看起来效率提高了。

但如果一个人一直没有经历过失败、调试、误判、返工和维护，他就很难长出判断力。

而软件工程最值钱的东西，偏偏不是生成代码。

是判断力。

这也是为什么我不认为新人应该因为 AI 放弃编程。

相反，新人更应该学。

只是学习方式必须变了。

不要再把目标设成：我会不会写某个语法？我会不会背某个框架？我能不能按教程做出一个页面？

这些东西会越来越便宜。

新的门槛是：你能不能定义问题？能不能拆任务？能不能读懂别人的代码？能不能发现 AI 生成结果里的错误？能不能把一个东西从能跑，推进到稳定、可维护、可解释？

如果你是新人，我会建议你做三件事。

第一，少刷教程，多做真实项目。

真实项目的标准不是炫，而是会坏。它要有用户，要有数据，要有边界条件，要有部署，要有维护。哪怕只是一个很小的工具，只要它真的被使用，它就比十个教程项目更有价值。

第二，不要只让 AI 写代码，要让 AI 和你一起解释代码。

每次它生成一段，你都问自己：为什么这样写？有没有副作用？出错在哪里看日志？如果线上坏了，我怎么回滚？

第三，练验证能力。

AI 时代，最重要的动作不是生成，而是验证。你要会写测试，会读日志，会构造反例，会把一个看起来正确的答案拆开检查。

未来的软件行业不会不需要新人。

但它会更少需要那种只会接小票、照教程、等别人拆好任务的新人。

它需要的是更早具备工程责任感的人。

这听起来更难。

但也更公平。

因为真正的编程，从来不只是把字符排成代码。

它是一种把混乱问题变成可运行系统的能力。

AI 可以帮你写很多字符。

但它还不能替你负责。

至少现在还不能。