假设X成真：你的手艺正在被重新定价
假设X成真：你的手艺正在被重新定价
一、一封来自2027年的邮件
周一早上八点十五分，张远打开了公司邮箱。
咖啡还是热的。窗外的阳光照在屏幕上，他习惯性地调了一下角度。第一封邮件是HR发的，标题很短：组织架构调整通知。
他点开，三段话。
第一段说公司在过去六个月部署了一套Agent开发系统，覆盖了后端服务80%的日常开发任务。第二段说，经过评估，他所在的基础服务组将从12人缩减至3人。第三段感谢他过去十年的贡献，提供了N+3的补偿方案和转岗面试机会。
张远盯着屏幕看了很久。他不是不知道这一天会来——去年他亲手把Claude Code集成到了团队的工作流里，亲眼看着它把三天的工作量压缩到三个小时。他只是没想到，子弹最终会转向自己。
他回头看了一眼工位上的机械键盘。那是他入职第一年买的HHKB，键帽已经被磨得发亮。十年，两万个commit，数不清的深夜debug。全浓缩在一封三段话的邮件里。
先别急着关掉这篇文章。
上面这封邮件是我虚构的。张远不存在。但我想请你诚实地回答一个问题：刚才读到第二段的时候，你有没有一瞬间觉得后背发凉？
如果有，那说明你心里其实已经隐隐感觉到了什么。
这篇文章不是预言。我没有水晶球，也没兴趣贩卖恐慌。我想做的是一个思想实验——把一个大家私下里都在想、但很少有人愿意正面谈论的问题摊开在桌面上：
假设AI Agent的编码能力在未来一到两年内达到一个临界点，能独立完成大部分”实现类”的开发工作——那工程师这三个字，到底还意味着什么？
我把这个假设叫做”假设X”。
二、假设X：不是科幻，是正在逼近的现实
先把边界画清楚。
假设X和科幻无关，它的边界很具体：在未来12到18个月内，AI Agent能独立完成大部分”实现层”的编程工作——写增删改查、调接口、改bug、写测试、做数据迁移、搭基础的前后端页面。不是100%，但足够覆盖一个普通开发者日常工作量的大部分。
你可能觉得这个假设太激进了。那看看造这些工具的人怎么说。
Anthropic负责Claude Code的工程师Boris Cherny在播客上说：“编码这件事基本上已经被解决了。“Anthropic和OpenAI内部，AI已经写了工程师100%的代码。与此同时，美国最大的15家科技公司应届生招聘量五年间下降了55%。
是造枪的人在说子弹飞得有多快。
我不确定假设X什么时候”完全”成真。但它不会像开关一样突然打开，而是像涨潮，在你没注意的时候，水已经没过了脚踝。
等你低头看的时候，沙滩已经不见了。
三、旧地图失效了
如果假设X成真——哪怕只是部分成真——你会发现一件很不舒服的事情：你过去赖以生存的能力坐标系，正在被重新定价。
写代码快、debug能力强、精通某门语言或框架、熟悉某套技术栈——这些能力让你在团队里不可或缺。但它们本质上都在回答同一个问题：怎么把一件已经定义好的事情做出来。而假设X说的恰恰是：AI正在学会回答这个问题，而且越来越快，越来越便宜。
十五年前北京最牛的出租车司机靠认路——三环怎么走最快，哪条胡同能抄近道。然后导航App出现了，“认路”一夜之间从核心竞争力变成了加分项。司机没有消失，但竞争的维度变了。
工程师正在经历同样的事。
我自己的体感很具体。去年写Fin-Agent，切到AI辅助开发之后，200行代码两分钟就出来了。但我花了将近40分钟去审：推边界、改逻辑、修掉三处错误、补了两个异常处理、删了一段多余转换。那40分钟里我做的事，没有一件是”写代码”。全是判断。
能力是真的，但价格标签在变。
四、两个方向
旧地图失效了，不意味着没有路了。过去几个月我一直在观察——也一直在亲身经历。大致看到两个方向。
向上游走：从”怎么实现”到”该不该做”
写Fin-Agent的时候我有一个很清楚的感觉：真正卡进度的从来不是写代码，是想清楚该写什么。
任务怎么切、接口长什么样、失败怎么兜底。你想不清楚，AI的输出就会飘。我把前端切给Codex、后端留在Claude Code，这个决策不是来自什么方法论，是试错试出来的。但做这个决策需要的东西——对项目结构的判断、对两个模型能力边界的了解、对业务优先级的把握——全是”写代码”之外的能力。
LinkedIn的CPO Tomer Cohen砍掉了传统产品经理培训项目，换成了”全栈Builder”角色。他列了五项最重要的能力：愿景、同理心、沟通、创造力、判断力。五项里面没有一项是”写代码”。
当AI把”怎么实现”的成本压到趋近于零，真正稀缺的变成了”实现什么”和”为什么要实现”。沃尔玛在内部开设了Agent Builder岗位，全部由内部员工转岗填充——一个在零售一线干了十年的门店经理，可能比一个刚毕业的计算机硕士更知道该让AI做什么。
定义问题，永远比解决问题更稀缺。
向深处走：从”写得快”到”判得准”
去年我踩过一个坑。AI写了一个日期格式化函数，测试全过，我扫了一眼合并了。三个月后改日期逻辑，上线数据错乱——项目里本来就有一个功能几乎一样的函数，AI没复用，自己又写了一个。我改了老的，没碰新的，因为我根本不知道它存在。
从合并那天起bug就埋下了。测试全过，什么都没看出来。
这个系列第二篇聊的OpenClaw是同一个问题的放大版：百万行代码的Vibe Coding项目，每次升级都崩。AI写的代码每一段单独看都对，拼在一起就出问题。局部最优的累积，不等于全局最优。
发现这种”局部都对但整体错了”的问题，靠的是系统直觉。你得知道这个系统为什么长成这个样子，知道接口背了多少历史包袱，知道业务侧那个不成文的规则——这类订单超过一万块的要走人工审批。AI不知道这些。你知道。
验收的眼光比施工的手艺更值钱。
五、你的X抗性指标
在你开始想”我该往哪个方向走”之前，有一个结构性的难题值得面对。
过去的初级工程师靠”搬砖活”练手：写简单的功能、修小bug、做数据迁移。这些看起来不重要的工作，其实是学徒制的核心——你在搬砖中学会看图纸。但如果搬砖活被AI接管了，新人从哪里积累判断力？
你自己的判断力又是怎么来的？是写了几千个CRUD、踩了无数坑之后练出来的。如果这条路被堵上，下一代工程师怎么练出你现在的眼力？
没有人知道答案。
但有一件事你现在就能做。
今天下班之前，看看你这周的工作。有多少是你”不可替代地”做出的判断？有多少是AI随时可以接管的执行？
这个比例，就是你的”X抗性指标”。
如果80%的时间都在执行——写增删改查、调接口、搬数据、改样式——那不是你做错了什么。那只是说，在假设X成真的世界里，这些时间会被压缩，而你需要找到新的方式来创造价值。
还记得开头的张远吗？
他是虚构的。但那封邮件不会永远是虚构的——类似的通知已经开始在一些公司出现。
这是这个系列的最后一篇。第一篇我在Fin-Agent项目里试出了多模型调度的分工逻辑，第二篇OpenClaw教了我Vibe Coding的红线在哪里。这第三篇聊的生存坐标，其实是前两篇经验的推论——如果AI把执行成本压到趋近于零，你的价值就在判断里。
今天下班前，算算你的X抗性指标。
如果这篇文章让你想了一些之前不愿意正面想的事情，那它就完成了它的任务。