当 AI 撤掉“速度限管”：为什么中产软件工程师正在加速沦为团队负债？
你可能也经历过这种令人窒息的周一晨会。
泡好一杯咖啡，打开电脑准备开始工作，你的 GitHub 审查列表中赫然挂着 7 个待 Review 的 PR。你顺手点开第一个，变更行数写着：+24506 -3938，下面附带了一段显然是用 LLM 一键生成的“变更摘要”。你的同事从上周五下午到周一早上生成的代码量，比过去全组休假两周攒下的总和还要多。
你顺着几处怪异的数据流向往下看，觉得逻辑非常反直觉，于是给提交 PR 的同事发了个消息：“为什么这里要把订单表重新反范式化，还顺便引入了一个 Kafka 队列？”
几秒钟后，他给你抛来一个网址——不是系统设计文档，也不是 RFC 提案，而是一个 Claude 的聊天对话链接：“具体决策逻辑好像在这个对话的第 15 轮，Claude 建议我这么搞，你可以全看一遍。”
这段荒谬的对话，出处是 Florian Herrengt 最近发布的一篇引发圈内轰动的文章《AI is removing the middle class of software engineering》。这篇文章就像一把手术刀，切中了当下所有工程团队最隐秘的焦虑：AI 并没有消灭程序员，但它正在彻底清除软件工程中的“中产阶级”。
AI 没有消除复杂性，它只是撤掉了敲代码的“速度限管”
Section titled “AI 没有消除复杂性，它只是撤掉了敲代码的“速度限管””在过去的软件工程范式里，写代码是有物理速度限制的。
一个工程师要把想法变成实际运行的代码，必须经历想清楚逻辑、推演数据结构、逐行敲下代码、补全单元测试的完整链路。这个过程固然漫长，但它客观上形成了一道“天然防火墙”：慢，意味着糟糕的架构决策在扩散前有足够的时间被拦截。
但现在，AI 彻底撤掉了这道“速度限管”（Speed Limit）。
正如 Florian 在文章中所写，过去大家想要加个新模块，必须坐在一起讨论半天；现在，任何人只要对 Agent 狂喂几小时 Prompt，就能直接甩出一个上万行的 PR。
绝大部分人误以为“更快地产出代码 = 更高的研发效率”，却忽视了软件工程中一条铁律——复杂性守恒定律。系统内部的状态转换、并发边界和数据一致性要求，不会因为你的 Prompt 变长而减少一分一毫。
当敲代码的物理成本降为零，所有的瓶颈瞬间转移到了审查（Review）和验证（Verification）上。在之前探讨《Codex 突破千万周活的背后：当代码变成隐形燃料，AI 的终局是消解“程序员”》时我就提到过，当代码变成无限供给的隐形燃料，代码本身的稀缺性就荡然无存了。
如果团队缺乏严密的工程防线，AI 就会化身为垃圾代码的增频放大器——它不是在帮大家解决问题，而是在以 100 倍的速度把未经验证的复杂性塞进代码库。
从“无主架构”到“不对称重构”：你以为在提高产出，其实在积累毁灭性债务
Section titled “从“无主架构”到“不对称重构”：你以为在提高产出，其实在积累毁灭性债务”最令人警惕的，是 Florian 提到的“Claude 对话链接当设计文档”现象。这本质上是在制造一种可怕的**“无主架构”（No-owner Architecture）**。
在传统的软件开发中，架构师或 Senior 工程师对数据流向拥有绝对掌控。而在 AI 主导的补全和生成中，决策链条变成了：概率模型给出建议 -> 开发者似懂非懂地接受 -> 模型道歉并修改 -> 开发者继续追加 Prompt -> 生成 25000 行包含过度抽象的代码。
最终，代码库里充满了无人能懂的黑盒。当系统在生产环境爆出偶发性 Bug 时，开发者甚至无法回答“数据究竟是从哪张表流过来的”，只能寄希望于继续让 Claude 帮你“猜 Bug”。
更致命的是，AI 生成坏决策与人类修复坏决策之间存在着巨大的“速度不对称性”。
- 让 LLM 给你随手新建 5 张数据库表、拆出两个无状态微服务，只需要 10 分钟；
- 但一旦这些表落了线上付费用户的数据，你要在不中断服务、不产生孤立外键的前提下设计数据 Migration 方案并清理冗余字段，需要顶级工程师精密的脑力手术，耗时 数周甚至数月。
当你刚清理完一个坏决策，又有 5 个带着新增冗余抽象的 PR 被合并进了主干。Simon Willison 在点评这篇文章时也强调，这种由 AI 滋生的“认知债务”（Cognitive Debt）累积到一定程度，整套系统的维护成本就会彻底超越重构成本。
薪酬两极分化与阶层挤压：为什么“坏工程师”在 AI 时代变得无比昂贵
Section titled “薪酬两极分化与阶层挤压：为什么“坏工程师”在 AI 时代变得无比昂贵”这也直接揭示了为什么软件工程的“中产阶级”正在被加速抹去。
长期以来，软件工程师群体中存在大量处于中间层（Middle Class）的开发者——他们并不擅长系统架构设计或复杂的边界权衡，但能够熟练地把产品经理的 Spec 转化为合格的 CRUD 代码。在过去，这部分人力是各大科技公司招聘的主力军。
但在 AI 经济学下，这个中间层的生存空间被急剧压缩：
- 顶尖工程师获得无限杠杆：拥有强大架构审美和判断力的工程师，借助 AI Agent 能以一当十。他们不仅能快速实现想法，更重要的是能一眼看穿 AI 生成代码中的漏洞与过度设计，始终把系统复杂度压制在合理区间。
- 缺乏判断力的工程师沦为昂贵负债：那些缺乏底层工程理解、只会盲目将 Prompt 转化为代码的“氛围编码者”（Vibe Coder），在过去最多只是产出慢一点；而在今天，他们一天产生的废弃代码和认知债务，需要资深工程师花几个月去收拾残局。招聘他们的综合成本反而比过去昂贵得多。
在 Hacker News 关于该文的热烈讨论中，有条高赞评论说得很扎实：“代码编写从来只占工程师核心价值的 5%，剩下的 95% 是理解问题与设计边界。”
当 AI 将那 5% 的机械劳动压缩至忽略不计时，原本靠这 5% 技能存活的中产工程师自然失去了护城河。我们在《Subagent 不是运行加速器，而是主控 Working Memory 的防火墙》中也曾验证过类似的结论：不论是 Agent 的上下文治理还是团队的工程管理，没有严密的防火墙与边界管控，吞吐量的盲目提升只会加速溃败。
防线前置与能力重构：如何在 AI 洪流中守住你的工程护城河
Section titled “防线前置与能力重构：如何在 AI 洪流中守住你的工程护城河”面对这场不可逆的工程范式迭代，无论你是团队管理者还是个人开发者，都必须意识到：过去的评价体系彻底失效了。
要避免团队陷入“AI 乱写 -> 人类灭火 -> 越干越累”的恶性循环，我们需要在研发流程和个人能力上完成关键转型：
- 审慎的拒绝权高于盲目的生成力：团队应该把审查门槛从“这段代码能不能跑通”提高到“这个新引入的抽象是否不可替代”。面对动辄数千行的 AI PR，审查者的第一反应应当是拒绝并要求拆分，而不是妥协合并。
- 架构决策的前置与硬性约束：严禁将 LLM 的漫长 Chat 记录当作设计规范。在让 Agent 吐出代码前，数据模型、API 契约和模块边界必须由具备判断力的人类工程师（或强规则验证器）明确定义。
- 个人能力的升维：从写实现者变为“代码审计员”与“边界设计者”：不要满足于做一个能用 Cursor 快速拼凑功能的 Prompt 搬运工。多去钻研底层数据流、分布式一致性、高并发架构和重构模式——这些需要极高确定性推理与风险权衡的领域，才是你在 AI 时代最坚固的护城河。
AI 移除了敲代码的限制，但也把真正的工程实力赤裸裸地暴露在了阳光下。未来依然属于工程师，但只属于那些懂得到底该在何时对 AI 产生的代码说“不”的人。
你在日常开发或 Team Review 中，是否也遇到过“上万行 AI 变更 PR”或者“用 LLM 聊天记录替代架构设计”的奇葩经历？你认为中级工程师该如何跨越 AI 带来的判断力壁垒？欢迎在评论区分享你的看法。