原文问题：《Codex新用户超两成都不是专业开发者，，，，但万万别说“人人都是程序员”》，，，，作者：Zetze，，，，审校：凯文，，，，题图来自：视觉中国

6 月初，，，，OpenAI 宣布了一组颇具象征意味的数据：Codex 周活跃用户已突破500万，，，，较 2 月桌面版宣布时增添凌驾6倍；；；；；；更值得注重的是，，，，在已往一个月新增的 Codex 用户中，，，，剖析师、营销职员、运营职员、设计师、研究职员、投资者等非开发者占到了 20%，，，，且增添速率凌驾开发者 3 倍。。这个最初为软件开发而生的工具，，，，正在迅速进入泛化阶段，，，，加入更多人的日常事情，，，，让更多以前挪用开发资源相对难题的人，，，，低门槛的获得了代码能力。。

OpenAI 同时推出了可以把事情效果直接转化为托管网站和应用的 Sites 功效。。用户不但可以让 Codex 处理文件和数据，，，，还可以天生一个能够通过 URL 分享的交互式工具。。这也就意味着，，，，一个原本从事数据剖析岗位的人可以使用Codex 快速完成原本要申请开发团队资源才华够完成的可视化互动模子，，，，直接打包成一个可宣布的互动页面，，，，大大提高了事情效率。。编程工具正在酿成通用生产工具，，，，软件创立也第一次云云大规模地走出开发部分。。

乍看之下，，，，这似乎是“人人都是程序员”的又一个证据：当市场、运营和研究职员都最先挪用编程智能体，，，，当一个想法可以直接酿成网站和应用，，，，程序员与通俗人的界线似乎正在消逝。。

相较量 Codex 在一连弱化自己专业编程工具，，，，力争给自己贴上通用生产力标签的同时，，，，WWDC 2026 上苹果对 Xcode 的更新提供了一个很要害的增补视角：在 AI 能力迅速进入写代码环节的同时，，，，专业开发工具的理念并没有被削弱，，，，反而进一步把 Agent 深度嵌入到开发流程中——让它可以加入构建、运行测试、剖析过失，，，，并通过与工具链的协作来完成修复与迭代。。这种设计意味着 AI 不但是“天生代码的助手”，，，，而是被纳入了一个真实的工程执行闭环之中，，，，并在 IDE 的约束下与构建系统、测试系统和预览系统配合事情。。

这两件事同时爆发，，，，或许才是 AI Coding 当下最真实的图景：越来越多人可以借助 AI 创立软件，，，，但能够天生软件，，，，并不即是自动拥有了工程能力。。

有一种关于 AI Coding 的盛行叙事正在变得越来越廉价：只要会语言，，，，人人都能成为程序员。。

这句话听起来很有时代感，，，，也足够鼓舞人。。它体现软件创立的门槛正在消逝，，，，已往需要多年训练才华掌握的编程能力，，，，现在可以被几句自然语言提醒词替换。。一个不会写代码的人，，，，也许只要翻开 Cursor、Claude Code 或者某个 AI Agent，，，，就能做出自己想要的产品。。

这虽然不是全错。。

历史上也许历来没有一个时刻，，，，通俗人距离“把一个想法酿成可运行的软件”云云之近。。一个略懂产品、略懂营业、略懂盘算机看法的人，，，，今天确实可以借助 AI 做出已往很难自力完成的工具。。一个原本只有 0.3 分能力的人，，，，可能被 AI 放大到 0.8，，，，甚至 0.9。。

但问题也在这里：AI 可以放大 0.3，，，，却很难凭空天生那最初的 0.3。。

若是一个人不知道自己究竟想要什么，，，，不知道怎样形貌问题，，，，不知道什么叫界线条件，，，，不知道一个软件从 Demo 酿成服务需要履历什么，，，，也不知道过失应该在那里被袒露、数据应该怎样被组织、系统应该怎样被维护，，，，那么 AI 带来的往往不是创立力的爆发，，，，而是杂乱的加速天生。。

以是，，，，AI 时代虽然会泛起更多“能做软件的人”。。但这并不即是人人都是程序员。。

更准确地说，，，，AI 正在放大一种能力：结构化明确天下、拆解问题、组织上下文、挪用工具，，，，并为效果认真的能力。。程序员只是最早被迫系统训练出这种能力的一群人。。

在和一位恒久深度使用 AI Coding 的资深工程师交流时，，，，他重复提到一个判断：AI Coding 最容易被误解的地方，，，，是人们总把它想象成“让 AI 写代码”。。出于职业身份和项目信息的思量，，，，本文称他为 CC。。在 CC 的实践里，，，，AI 真正改变的并不是敲代码的速率，，，，而是整个研发历程里“明确、表达、验证和协作”的方式。。

CC 的几个履历，，，，恰恰能说明这个转变。。

一个人和 AI 都读不懂的项目

许多人第一次明确 AI Coding，，，，是从“它能替我写代码”最先的。。但在真实的软件现场，，，，AI Coding 最有价值的时刻，，，，往往不是写新代码，，，，而是让旧系统重新变得可明确。。

CC 曾接手过一个历史项目。。项目原先由一位算法配景很强、但工程履历并不充分的开发者恒久维护。。项目焦点是一组重大的 Python 剧本，，，，单个文件动辄几千行。。营业逻辑、数据处理、模子挪用、文件读写、异常处理混在一起，，，，？？榻缦吣：，，，，命名气概不统一，，，，重复逻辑随处散落。。

更重大的是，，，，这个项目里还夹杂着早期 AI 补全时代留下的代码。。其时模子能力有限，，，，AI 更像一个智能补全器，，，，而不是今天意义上的编码 Agent。。它能天生一些局部片断，，，，却很难明确系统整体。。于是项目逐渐酿成了一个希奇的混淆体：算法专家的快速实验代码，，，，加上早期 AI 补全天生的碎片，，，，再加上恒久缺乏工程治理积累下来的手艺债。。

对人来说，，，，它险些不可读。。对 AI 来说，，，，它同样不友好。。

这点经常被忽视。。已往我们说代码要“对人友好”，，，，意味着结构清晰、命名明确、？？榻缦吆侠怼⑽牡底愎煌暾。到了 AI Coding 时代，，，，代码还要“对 AI 友好”。。一个几千行的巨型剧本，，，，不但是折磨接手项目的人，，，，也会严重消耗模子的上下文窗口和推理能力。。模子越难明确系统，，，，就越容易在局部改动中制造新的杂乱——注重：AI险些不可能告诉你“我看不懂这段代码”，，，，但这可能是更大灾难的到来，，，，说明它要准备瞎编了。。

CC 厥后复盘这段履历时说，，，，接手这种项目时，，，，最自然的激动可能是马上重构。。但真正有用的第一步不是动代码，，，，而是让系统显影。。

CC 的做法是，，，，让 AI 饰演架构师，，，，逐步阅读代码库，，，，梳理？？楣叵怠⑴灿昧绰贰⑹萘飨蚝鸵χ霸稹。让它天生一份可以 onboarding 的文档，，，，画出流程图和设计图。。再由人凭证自己的工程履历去校准这些文档：那里是主链路，，，，那里是历史肩负，，，，那里只是暂时绕路，，，，那里是营业上必需保存的重大性。。

这时，，，，AI 的角色不是“替你写代码的实习生”，，，，而更像一台结构显影仪。。它把原本埋在几千行剧本里的系统形状重新照出来，，，，让人可以最先讨论它、切分它、修改它。。

在这个项目里，，，，真正的转折点就爆发在这一步之后。。等系统结构被重新望见，，，，重构才变得可行：文件结构被重新划分，，，，？？榻缦咧鸾シ浩，，，，重复逻辑被抽取，，，，可测试性增强，，，，运行稳固性提升。。更主要的是，，，，用 CC 的说法，，，，项目重新变得可维护了。。

这里的“可维护”不但是对人而言，，，，也是对 AI 而言。。

一个结构清晰的代码库，，，，会让后续 AI Agent 更容易明确上下文，，，，更容易做小步清静修改，，，，更容易凭证测试反馈修正问题。。反过来，，，，一个杂乱的代码库会同时拖垮人和 AI。。AI Coding 并不会神奇地绕过工程重大性。。它只是让工程质量的优劣，，，，以更快的速率展现出来。。

这也是为什么“人人都是程序员”的说法会误导人。。AI 不是把工程能力作废了，，，，而是把工程能力酿成磷泣底层的基础设施。。

Demo 和服务之间，，，，隔着一整套工程责任

Vibe Coding 最迷人的地方，，，，是它让软件创立变得像语言一样自然。。

你形貌一个想法，，，，AI 给出页面；；；；；；你再补一句需求，，，，AI 接着天生接口；；；；；；你说这里欠悦目，，，，它替你调样式；；；；；；你说想加登录、支付、数据看板，，，，它似乎也都能往前推进。。一个晚上做出一个 Demo，，，，这件事已经不再稀奇。。

但 Demo 和服务之间，，，，隔着一整套工程责任。。

Demo 的目的是“看起来能用”，，，，服务的目的是“恒久可用”。。Demo 可以容忍数据结构杂乱、异常处理粗糙、权限模子简化、安排流程手工化、日志缺失、测试缺位。。服务不可。。服务要面临真适用户、真实数据、真实并发、真实本钱、真实清静风险，，，，以及真实的后续维护。。

这也是许多 Vibe Coding 文章最容易讲浅的地方。。它们乐于展示“一个不会写代码的人做出了一个 App”，，，，却很少继续追问：这个 App 能不可稳固运行？？出了问题谁排查？？数据坏了怎么办？？权限泄露怎么办？？营业规则转变后怎样迭代？？半年后尚有人看得懂吗？？

能跑起来，，，，是软件生命的最先，，，，不是竣事。。

CC 厥后做过一个更重大的营业系统项目。。出于商业保密，，，，这里不睁开详细行业和客户，，，，只保存问题形态：它并不是一个纯粹的手艺项目，，，，而是一场从线下纸质流程到线上数字化系统的迁徙。。它需要明确差别岗位的事情方式，，，，视察真实流程，，，，而不是只听一句“我们想做个系统”。。它需要把营业语言翻译成数据表、权限规则、审批流、统计口径、接口界线和异常场景。。

这种项目重大的地方，，，，并不在于某个单点手艺有多炫。。真正重大的是营业细节和数据关系：几十张表之间怎样关联，，，，数百个 API 怎样组织，，，，差别角色怎样使用统一套数据，，，，差别流程之间怎样相互影响。。已往，，，，这类项目往往需要产品、后端、前端、测试、运维等多种角色协同。。

AI 简直改变了这里的效率结构。。一个有履历的人，，，，可以借助 AI 把许多已往需要多人分管的事情串起来。。但条件是，，，，他必需知道该把什么上下文交给 AI。。

这就是 AI Coding 和通俗代码天生的分水岭。。

AI Coding 的实质不是写代码，，，，而是写上下文

今天更成熟的 AI Coding，，，，已经越来越不像“翻开谈天框让 AI 写函数”，，，，而像一条端到端的研发链路。。CC 把自己的做法概括为：尽可能替 AI 构建足够富厚的上下文，，，，然后让 AI 在这个上下文里事情。。

在 CC 的事情流里，，，，一个需求通常不是从“请帮我写代码”最先，，，，而是先把产品 PRD、需求文档、需求评审聚会的逐字稿、上下游系统的手艺文档、已有代码库和项目规范都提供应 AI。。然后让 AI 基于这些质料天外行艺方案。。方案不是直接进入开发，，，，而是先沉淀成一篇文档，，，，交给工程师、产品和相关营业同事 review。。

这一步很要害。。

由于 AI 的输出不是用来跳过相同的，，，，而是用来提升相同质量的。。已往，，，，许多需求评审的问题在于差别角色脑中的系统模子并纷歧致。。产品说的是用户流程，，，，工程师想的是数据结构，，，，营业同事体贴的是线下破例情形，，，，上下游体贴的是接口左券。。AI 可以把这些散落的质料先组织成一个可讨论的版本，，，，让团队更早发明明确误差。。

确认手艺方案后，，，，再进入编码、单位测试、回归测试和人工验收。？？⑼瓿珊，，，，CC 还会让 AI 继续天生对接文档。。这个文档外貌上是给上下游同事看的，，，，但在 AI Agent 普及之后，，，，它尚有一个新的用途：成为别人 Agent 的上下文。。

这是一种很有意思的转变。。已往，，，，文档主要写给人读；；；；；；今天，，，，文档也最先写给 AI 读。。接口说明、营业规则、验收标准、过失码、数据样例，，，，都会成为另一个 AI Agent 开发对接功效时的输入。。

于是，，，，所谓 AI Coding 的焦点工具爆发了转变。。

已往我们写代码，，，，今天我们也在写上下文。。这里的上下文不是一段 prompt，，，，而是一个事情场。盒枨笪牡怠⒕刍峒吐肌⒋肟狻⒉馐杂美⑷罩尽⑾钅抗娣丁⑹忠站鲆椤⒀槭毡曜肌⒔涌谖牡怠⒗诽致，，，，都在其中。。

谁能组织更好的上下文，，，，谁就能更好地使用 AI。。

这也是为什么“会 prompt 就够了”是另一个误解。。真正主要的不是某句神奇提醒词，，，，而是你能否把一个模糊问题整理成 AI 可以明确、可以执行、可以验证的结构。。提醒词只是入口，，，，上下文才是主体。。

若是上下文是错的，，，，AI 会高效地爆发过失。。若是上下文是乱的，，，，AI 会高效地放大杂乱。。若是上下文缺少验收标准，，，，AI 就会倾向于给出“看起来完成了”的效果。。

AI Coding 的上限，，，，不但由模子决议，，，，也由人类组织上下文的能力决议。。

程序员并没有被 AI 取代，，，，他们正在用 AI 进入各行各业

“程序员要失业了”是 AI 浪潮里最常见的句式之一。。

程序员自己说这句话，，，，许多时间是自嘲。。这个行业恒久站在手艺转变前沿，，，，习惯了每隔几年就被新的语言、框架、平台、范式重新教育一遍。。自嘲背后，，，，往往有真实焦虑，，，，也有对转变的敏感。。

但当这句话被简化成“AI 会写代码，，，，以是程序员不主要了”，，，，它就酿成了一种外行式误判。。

编程虽然包括写代码，，，，但程序员的焦点能力历来不但是记着语法。。一个及格程序员恒久训练的是另一组能力：把模糊需求拆成明确使命，，，，把重大系统拆成？？，，，，把异常情形前置思量，，，，把重复劳动笼统成工具，，，，把现实天下的不确定性压进可以运行、可以调试、可以维护的结构里。。

这些能力恰恰是 AI 时代更容易被放大的能力。。

若是一个程序员缺少设计能力，，，，AI 可以补一部分产品原型；；；；；；缺少前端审美，，，，AI 可以补一部分界面实现；；；；；；缺少运维履历，，，，AI 可以诠释云服务、天生安排剧本、定位日志问题；；；；；；缺少写作能力，，，，AI 可以协助天生文档、邮件和方案。；；；；；；痪浠八，，，，AI 不但是让程序员写代码更快，，，，也让程序员更容易补齐跨界短板。。

以是，，，，更值得注重的征象也许不是“程序员正在被各行各业取代”，，，，而是“程序员正在借助 AI 进入各行各业”。。

当一个拥有工程头脑的人获得产品、设计、运营、数据剖析和写作能力的外骨骼，，，，他能做的事情会比已往宽得多。。反过来，，，，一个完全没有结构化表达能力、没有系统看法、没有界线意识的人，，，，纵然拿到最强的 AI 工具，，，，也很容易卡在第一步：不知道该怎样形貌自己想要什么。。

这并不是说非程序员不可使用 AI 做软件。。恰恰相反，，，，AI 简直让许多非手艺配景的人第一次拥有了软件创立能力。。但他们真正需要补的，，，，不是“语法”，，，，而是问题界说、需求表达、流程拆解和效果验收。。

AI 降低的是编码门槛，，，，不是思索门槛。。

甚至可以说，，，，AI 越强，，，，思索门槛越显眼。。由于工具越能快速执行，，，，过失的偏向就越容易被快速放大。。已往一个模糊需求可能在漫长开发历程中逐步袒露问题；；；；；；现在，，，，它可能在一天之内酿成一个结构杂乱但页面完整的系统。。

这不是民主化的反面，，，，而是民主化之后的新门槛。。

AI 最危险的地方不是写错

对 AI Coding 的品评，，，，经常集中在“AI 会写 bug”。。但在真实工程里，，，，更贫困的情形不是它写错，，，，而是它把过失隐藏起来。。

CC 在一个数据科学相关项目中，，，，一经遇到过一种很典范的问题：无论输入数据多离谱，，，，程序最终似乎总能输出效果。。外貌看，，，，这是系统“鲁棒性”很强；；；；；；但按营业逻辑判断，，，，某些输入本应在中心环节触发过失，，，，提醒开发者数据不正当、流程不完整或假设不建设。。

厥后的人工排查发明，，，，问题出在一系列 AI 天生或补全的兜底逻辑上。。它在许多环节加了默认值、try-catch、空值兼容和静默降级。。每个局部看起来都像是在“增强稳固性”，，，，但串起来之后，，，，系统酿成了一个险些不会失败的黑箱。。

这恰恰很危险。。

工程系统里，，，，失败不是坏事。。该失败的时间失败，，，，过失才华被实时袒露；；；；；；该抛异常的时间抛异常，，，，系统界线才是清晰的。。尤其在数据科学、金融、医疗、教育等领域，，，，一个“永远给出效果”的系统未必可靠，，，，反而可能意味着它正在掩饰异常。。

AI 为什么喜欢这样写？？一个可能的原因是，，，，它在训练和交互中更容易被奖励“完成使命”。。用户说修复过失，，，，它就倾向于让报错消逝；；；；；；用户说程序不要崩，，，，它就倾向于加兜底；；；；；；用户说包管输出，，，，它就倾向于制造默认路径。。但在工程里，，，，报错消逝不即是问题解决，，，，程序不崩不即是逻辑准确，，，，有输出不即是有价值。。

这就是人类工程师仍然主要的地方。。

人要告诉 AI：哪些过失必需袒露，，，，哪些异常不可吞掉，，，，哪些输入必需拒绝，，，，哪些链路必需 fail fast，，，，哪些要害环节需要显式校验。。更进一步，，，，这些规则不应该只停留在口头，，，，而应该沉淀进项目规范里，，，，放在代码库根目录，，，，随 git 一起提交。。

这会带来一个新的协作模式：人制订规则，，，，AI 执行规则。。

已往，，，，团队代码规范依赖培训、文档、code review 和个人习惯。。让所有人一连遵守一套规范很难，，，，由于人会遗忘、偷懒，，，，也会在赶进度时妥协。。今天，，，，许多规范可以写成 AI Agent 能读取的项目约束：异常处理原则、命名规范、测试要求、榨取行为、提交标准、验收清单。。差别成员的 Agent 进入代码库后，，，，都能读取这些规则，，，，并在开发中自动遵守。。

这不是说 code review 不主要了，，，，而是规范执行的起点前移了。。AI 让团队有时机把“工程共识”酿成更可执行的上下文。。

从这个角度看，，，，未来优异工程师的一项主要事情，，，，不但是写营业代码，，，，而是维护一套能让 AI 准确事情的规则系统。。

那最初的 0.3 是什么？？

若是 AI 可以把 0.3 放大到 0.9，，，，那么问题就酿成：那最初的 0.3 究竟是什么？？

对专业开发者来说，，，，它越来越不是某个详细框架的熟练度。？？蚣芑岜，，，，工具会变，，，，模子能力也会快速提升。。今天困扰开发者良久的隐藏 bug，，，，也许明天换一个新模子就能被直接定位。。许多现在看起来需要技巧的问题，，，，都会逐渐被更强的模子能力吞掉。。

但有些工具不那么容易被吞掉。。

好比营业明确。。你要知道一个需求为什么保存，，，，哪些流程是真需求，，，，哪些只是历史习惯，，，，哪些破例情形必需保存，，，，哪些重大性可以被砍掉。。AI 可以凭证质料天生方案，，，，但它很难替你判断一个组织真正需要什么。。

好比 spec 能力。。也就是把需求写清晰的能力。。一个好的 spec 不但是形貌“我要什么功效”，，，，还要形貌界线、状态、数据结构、角色权限、异常场景、验收标准和非目的。。AI 越强，，，，spec 越主要，，，，由于 spec 决议了 AI 执行的偏向。。

好比验收能力。。AI 可以写测试，，，，也可以跑回归，，，，但人要知道什么叫真正通过。。页面能翻开不代表营业准确，，，，接口返回 200 不代表数据可信，，，，模子给出效果不代表结论可用。。

好比系统判断。。什么时间继续让 AI 修，，，，什么时间人该接受；；；；；；什么时间补测试，，，，什么时间重构；；；；；；什么时间接受局部不完善，，，，什么时间必需推倒重来。。这些都不是一句 prompt 能解决的。。

对非专业开发者来说，，，，最初的 0.3 也许更基础。耗懿豢尚蚊睬逦约合胍裁，，，，能不可把一个大想法拆成几个小问题，，，，能不可意识到软件不但有页面，，，，尚有数据、权限、安排、本钱和维护。。

许多人以为自己缺的是编程语言，，，，着实第一步缺的是需求表达。。

这也是 AI 时代一个很有意思的转变：表达能力变得前所未有地主要。。已往，，，，表达不清晰最多影响人与人相同；；；；；；今天，，，，表达不清晰会直接影响 AI 的执行效果。。一个模糊的想法，，，，会被 AI 快速酿成一个模糊的系统。。

虽然，，，，AI 也能资助人补齐短板。。云服务、盘算机网络、数据库、安排流程，，，，这些已往让非手艺人望而却步的知识，，，，现在都可以通过 AI 快速诠释和辅助执行。。只要问题形貌得足够清晰，，，，AI 确实能带人跨过许多已往很高的门槛。。

但这仍然不是“零门槛”。。

AI 时代的门槛从“会不会写代码”，，，，转移到了“会不会界说问题、组织上下文、判断效果”。。

别再说人人都是程序员了

“人人都是程序员”之以是盛行，，，，是由于它捉住了一个真实趋势：软件创立正在从少数专业人士手里扩散出去。。

这个趋势虽然值得接待。。更多人可以把自己的想法做成工具，，，，更多小团队可以用更低本钱完成数字化，，，，更多行业知识可以直接转化成软件原型。。AI 让创立软件这件事，，，，第一次真正靠近公共。。

但若是因此以为专业性不再主要，，，，就走向了另一个误区。。

AI Coding 不会祛除工程能力，，，，它会重估工程能力。。它不会让所有人自动成为程序员，，，，它会让那些具备结构化能力、学习能力、营业明确和责恣意识的人获得更强的生产力。。它不会让代码质量问题消逝，，，，它会让质量问题以更快速率泛起，，，，也让治理质量问题的能力更主要。。

从这个意义上说，，，，AI Coding 最主要的改变不是“代码由谁敲出来”，，，，而是“谁来界说问题、组织上下文、建设规则、验证效果，，，，并为系统认真”。。

未来的软件工程师可能会少写一些机械代码，，，，但会更多地写 spec、写上下文、写测试、写规则、写文档、写给其他 AI Agent 读取的协作质料。。软件开发的中心，，，，正在从“代码输入”转向“上下文组织”。。

这不是程序员消逝的最先，，，，而是程序员角色重组的最先。。

AI 简直可以把 0.3 放大到 0.8，，，，甚至 0.9。。这是这个时代真正令人兴奋的地方。。一个人只要具备一点点盘算机基础、营业明确、表达能力和结构化头脑，，，，就可能做出已往需要一个小团队才华完成的工具。。

但若是没有那最初的 0.3，，，，一切都是空话。。

AI 不会替你知道你想要什么，，，，不会替你肩负效果，，，，也不会自动明确一个组织、一个行业、一套营业流程背后的真实重大性。。它可以天生代码，，，，也可以天生文档、测试和方案，，，，但它无法替换人对问题自己的明确。。

以是，，，，AI 时代，，，，别再说人人都是程序员了。。

更准确的说法是：人人都更靠近软件创立，，，，但不是人人都自动拥有工程能力。。

AI 放大的不是职业标签，，，，而是人的基本功。。

本内容由作者授权宣布，，，，看法仅代表作者自己，，，，不代表虎嗅态度。。如对本稿件有异议或投诉，，，，请联系 tougao@huxiu.com。。

本文来自虎嗅，，，，原文链接：https://www.huxiu.com/article/4867009.html?f=wyxwapp

李子以为，，，，公正饭的今世价值逾越饮食自己。。“公正饭是凝聚海内外琼籍乡亲的情绪桥梁，，，，也是琼海对外展示侨乡风貌的文假手刺。。”他建议深挖文化秘闻、推进非遗申报、规范出品标准，，，，打造专属美食文化IP，，，，让侨乡味道香飘万里。。(完)