Skip to content
【重要】现已受理 PHP 严重漏洞（PHP2Shell）紧急应对查看详情 →
SolanaLink LogoSolanaLink
AI Agent 是程序员的杠杆，不是替代品

AI Agent 是程序员的杠杆，不是替代品

图片由xAI Grok生成
Development
16 分钟阅读
0
0 条评论
12 次浏览

AI Agent 让程序员手中的杠杆变得前所未有地长，但用力的支点始终是人。本文用美国和日本的最新数据，看能力、生产率与就业正在发生的真实变化，以及在代码变便宜之后，什么正在变得昂贵。

给我一个支点

两千多年前，阿基米德说：给我一个支点，我就能撬动地球。

这句话，我最近常常想起。我的屏幕上经常同时开着十几个窗口，每个窗口里都有一个 Claude Code Agent 在干活：有的在重构，有的在补测试，有的停在那里，等我拍板。做了二十多年软件，我从没有像现在这样，一个人就能同时推着这么多事往前走。

可窗外的声音并不平静。"AI 将取代程序员"的标题一个接着一个。Stack Overflow 今年的调查里，有 17% 的开发者因为担心技能退化、担心"亲手训练出取代自己的 AI"，而刻意与它保持距离。一边是前所未有的力量，一边是说不清的不安，这大概是这个时代程序员共同的心情。

于是我去找了数据，美国的，日本的，尽量新，尽量是一手的。读完之后，我心里的答案反而清楚了：AI Agent 是程序员的杠杆，不是替代品。杠杆正在变长，这是真的；可杠杆从来不会自己用力，它需要一个支点。那个支点，是人。

杠杆已经很长

先说这根杠杆有多长。

2025 年，乐天的一位工程师把一个复杂的多语言开源重构项目交给 Claude Code。它独自连续干了七个小时。那位工程师后来说，那七个小时里，他一行代码都没有写。

一年之后，七个小时已经被远远甩在身后。2026 年 6 月，Anthropic 发布 Claude Fable 5。Stripe 用它在一天之内完成了一个 5000 万行 Ruby 代码库的整体迁移，同样的活，一个团队手工做要两个多月。同一个模型、只向少数合作方开放的 Mythos 5，在一项基因组学研究里，几乎独自走了一周多。9 月发布的 Opus 5.5，让一位早期用户在不到一天里迁移了 68 万行代码；另一位用它审查并修复 20 万行代码，不到三个小时，而上一代模型用了二十多个小时。

它和资深工程师相比，又如何？Every 出了一道考题：重写一个在真实生产环境里屡屡崩溃的协作系统。两位人类资深工程师交出的答卷，得了 89 分和 96 分。Fable 5 在人工追加指令之后，得了 91 分，恰好落在两人之间。

连专门丈量 AI 的尺子，都开始不够长了。研究机构 METR 用"人类专家要做多久的任务，AI 能以一半的把握独立完成"来衡量能力，这个长度自 2023 年以来，大约每四个多月就翻一倍。2026 年 3 月，它量到的结果是至少 16 小时，然后坦白地说：再往上，题库里的长任务太少，已经量不准了。

这些都是真的。如果故事只讲到这里，不安是有理由的。

但支点是人

可故事还有另一半。

哈佛大学的两位经济学博士候选人 Fiona Chen 和 James Stratton，追踪了 655 家企业、72 万多名员工从 2021 年 1 月到 2026 年 8 月的工作记录。在 AI 编程助手之外，企业再用上编程 Agent 之后，代码行数又多了 44%，提交多了 36%，PR 多了 36%。然而真正完成的任务只多了 14%，而且只是勉强显著；论文的估计也排除了产出增长超过 31% 的可能。

多出来的代码去了哪里？它们在排队。代码从提交审查到获得批准，平均要多花 56% 的时间：排队等审查的时间长了 60%，审查本身也长了 59%。另一家公司 Faros 分析了一万多名开发者，看到的是同一幅画面：合并的 PR 多了 98%，审查时间也长了 91%，组织整体的交付并没有因此变快。

还有一个更微妙的发现。2025 年，METR 做过一次随机对照试验：资深开源开发者用 AI 完成真实任务，实际慢了 19%，事后却觉得自己快了 20%。感觉会骗人，而且骗得很真诚。

在 Snorkel 设计的 100 道资深级工程题上，今天最好的模型，仍有六成以上做不到资深工程师要求的正确与分寸。

在我自己的一人公司里，我也撞上了同一堵墙。十几个 Agent 同时在跑，瓶颈早已不是写代码，而是我读结果、做决定的速度。

代码已经很便宜了。昂贵的是判断：这段代码对不对，这件事该不该做，这个风险担不担得起。杠杆可以一节一节地加长，可每一次用力，最终都要落在人的判断上。

太平洋两岸的两种天气

再看就业。太平洋两岸，是两种不同的天气。

在美国，入门的那扇门确实窄了。斯坦福数字经济实验室用 ADP 的工资单数据追踪发现：在 AI 暴露度高的职业里，包括软件开发，22 到 25 岁年轻人的就业，比"跟上低暴露同龄人"应有的水平低了约 19%；一年前，这个差距还是 15%。变化主要不是来自裁员，而是来自少招新人。纽约联储的数据显示，2026 年 3 月，22 到 27 岁大学毕业生的失业率是 5.6%，高于全体劳动者的 4.2%，工程和计算机专业尤其明显。对一些刚走出校门的年轻人来说，这些数字意味着更多没有回音的投递。

但同一份斯坦福研究也写着：没有看到经济整体层面的大规模替代，有经验的员工也没有出现类似的差距。美国劳工统计局最新的十年预测里，软件开发者仍将增长 10%，每年约有 9.5 万个职位空缺。

在日本，天气是另一番模样。2026 年 3 月毕业、有求职意愿的大学生里，98.0% 找到了工作。リクルートワークス研究所问了 186 家千人以上的大企业，68.8% 说 AI 不会改变新卒招聘的人数。レバテック的数据显示，IT 人才的转职求人倍率是 9.1 倍，几乎每个求职的工程师面前，都有九个岗位在等。

日本的变化，藏在岗位的结构里。测试岗位的招聘，缩到了两年前高峰时的 0.17 倍；咨询岗位的求人倍率却高达 31.6 倍，项目经理 23.7 倍。レバテック认为，在 IT 转职市场上，企业的目光正从"年轻、经验少"转向"能立刻上手的专业人才"。至于新卒，第一ライフ資産運用経済研究所（原第一生命经济研究所）的解释是：日本的新卒招聘是培养型的录用，AI 接过了入门的活，并不会直接让新卒的位置消失。

两岸天气不同，风向却是一致的：重复的、照着文档就能完成的执行工作在退潮；需要判断、设计和担责的工作，正在涨潮。

杠杆握在谁手里

那么，这根越来越长的杠杆，握在谁手里？

越来越多地，握在一个人手里。Stack Overflow 2026 年的调查里，在"只有一个人的组织"里工作的开发者，从 4% 升到了 10%。美国创业公司数据平台 Carta 统计，单人创始的新公司，从 2019 年的 23.7% 升到 2025 年上半年的 36.3%，尽管风险投资依然更偏爱团队：2024 年成立的单人公司，只拿到当年 14.7% 的定价股权融资。以色列程序员 Maor Shlomo 没有拿一分外部投资，做出了 AI 应用搭建工具 Base44，六个月后以 8000 万美元现金卖给了 Wix。当然，那时他身边已经有了 8 名员工。

也握在大企业手里，而它们选择的是放大人，而不是减少人。乐天引入 Claude Code 后，新功能的上线周期从 24 个工作日缩短到 5 天。日立宣布，在集团约 29 万人的全部业务流程里使用 Claude 等 AI，同时要把其中 10 万人培养成 AI 专业人才。

写代码变便宜之后，写软件的人反而更多了。GitHub 上的开发者，2023 年刚过 1 亿，到 2026 年 9 月已超过 2.25 亿，其中美国约 3830 万，日本约 715 万。就在今年 9 月，超过四成的 PR 由 Agent 写下第一稿，而半年前还只有 17%。软件也走到了更远的地方：服务采矿、建筑、医疗、农业的公开仓库，都比 2022 年多了好几倍。

经济学里有一个老故事。1865 年，杰文斯注意到，蒸汽机越省煤，英国烧掉的煤反而越多。效率压低了成本，成本释放了需求。软件会不会也走上这条路，还需要时间作答；但眼前的数字，已经露出了端倪。

我自己就是这根杠杆的一个小小注脚。我经营着一家只有我一个人的公司：每个项目交给一个开发 Agent，一个"项目经理" Agent 替我汇总进度、提醒我哪些事要我拍板，产品经理 Agent 负责写需求文档。教育、民宿管理、旅行匹配、社区电商，这些产品在过去需要一支团队。今天，它们需要的是我的判断。

什么正在变得昂贵

代码变便宜了，那什么在变贵？数据给出的答案，出奇地一致。

是验证。PR 排起了长队，审查越拖越久；Stack Overflow 的调查里，将近一半的开发者只在结果容易验证时才信任 AI。2025 年，GitHub 的代码扫描工具 CodeQL 最常报出的告警，变成了访问控制失效，涉及 15 万多个仓库；GitHub 认为，部分原因是 AI 生成的代码框架漏掉了关键的权限检查。看得出错，正在比写得出代码更稀缺。

是选择。METR 的调查里，人们自报的"速度"提升是 3 倍，"价值"提升却只有 1.4 到 2 倍。做得快已经不难，难的是知道什么值得做。

是经验。斯坦福的研究还观察到一种趋势：越依赖书本和文档知识的职业，年轻人的就业越在下降；越依赖实践积累的职业，有经验的人就业增长得越快。研究者也提醒，这是相关，不是因果。Every 的考题也显示，模型和人差得最远的地方，是记住过去事故留下的教训，以及敢于把一个系统真正删繁就简。

还有设计、管理，以及对线上系统、对真实用户负责。只有两成开发者把 AI 用在部署和排查生产问题上；认为 AI 对沟通有帮助的，也只有三成多。

这些能力有一个共同点：它们都长在人身上，是在一次次失败、一次次担责里，慢慢长出来的。

写给每一位握着杠杆的人

如果你已经写了很多年代码，请不要再把自己只当成"写代码的人"。你真正的价值，是知道问题该怎么定义，知道哪里会出事，知道什么时候该说"不"。这些，恰恰是 Agent 最欠缺的东西。从今天起，试着去做那个定义问题、调度 Agent、验收结果的人。

如果你刚刚入行，我知道，美国的那扇门窄了，日本的企业也比从前要求更高。可你手里握着的，是前辈们从未有过的工具。不必只等一个入门岗位来证明自己：用 Agent 做出一个真正有人在用的产品，让作品替你开口。

无论你是谁，都请用数据去看自己的产出，而不是凭感觉。那场实验已经提醒过我们：感觉会骗人。

我相信，程序员的未来会更好。不是因为 AI 不够强，恰恰是因为它足够强，强到让一个人，也能做成过去一个团队才能做成的事。GitHub 今年的报告里有一个故事：尼泊尔的一位开发者，先用 GitHub Pages 做了一份洪水公告，后来把它变成了转发官方灾害预警的服务。没有大公司，没有大团队，只有一个人，和他想守护的那些人。

杠杆会越来越长。愿我们把多出来的力气，用在让别人的生活好一点的地方。

坚持本心，做一个善良的人。在这个时代，这句话比任何技术，都更值得写进我们的代码里。

资料来源

能力

生产率

就业：美国

就业：日本

规模与案例

评论

评论 (0)

#Software Development#Productivity#AI#Japan Market
返回新闻与博客