写代码不再稀缺后，软件工程师还剩什么

Scott Bolinger 写了篇《What a software engineer should do now》，宝玉转译推荐。文章的核心判断很直接：每发布一个新模型，纯技术技能的价值就缩水一分。

Scott 说自己每天越来越像个管理 AI 的产品经理，对深厚技术知识的需求在减少。他原本以为牢固的技术护城河，已经干了。写一段用户故事当提示词，效果甚至比一份严谨技术方案还好。

他也承认失落。过去开发 SaaS 是高门槛难题，他享受埋头打磨应用、看它变成现实。现在 AI 能解决这些过去常做的难题，技能变得几乎一文不值，打击人。他选择转向仍有真难题的领域，把格局放大。

他引用戴维·多伊奇的《无穷的开始》：只要不违背自然规律，掌握正确知识，一切皆有可能。创新没有尽头。计算机淘汰旧工作，也创造更多新岗位。AI 一样，它给更多做事能力，也要求换思维。

按旧思维，做一个 SaaS 应用算大事。现在开发复杂企业级软件，比五年前搭简单网站还容易。所谓干大事，要在更大尺度思考：国家级、全球级、宇宙级。100 人团队能做什么，1000 人呢。成本极低的生产力不该只用来做几个 App。

工程师要拓宽能力边界。要跳出技术圈，理解商业闭环：产品、市场营销、销售。Scott 的做法是学 AI 帮不上忙的东西：产品定位、创造力、打动人心、心理学、市场营销。这些人的问题没有标准答案，也没有现成测试集。AI 擅长模式匹配，但无法真正理解身而为人的体验。

评论区里更具体的补充：有网友说，以前简历写精通八门语言，以后可能写能同时带八个 Agent 不翻车。有人总结，写代码会贬值，挑问题不会，模型越强，挑错方向的代价越大。还有人试过写用户故事当提示词，模型理解需求更快，省了来回扯皮。但另一位提醒，能写出好用户故事的人，往往还是踩过技术坑的人。

验收是个硬问题。Agent 照着含糊的验收标准，会交出一堆看起来对了的东西，最后还得人一行行验。读 diff 还是先跑测试，每位工程师都得有自己的答案。

一位管过 300 到 400 人组织的网友说，真正不能放走的工程师大约 10 个。他们不只是技术专家，还懂产品、懂集成。跟产品负责人和项目经理一起，让事情继续转。

也有人不同意 Scott 把心理学全划给人类。AI 很会找模式。更稳的说法可能是：与 AI 共存合作，别放弃已有知识，建立更广的知识体系，放弃扣细枝末节。

这篇东西真正扎心的地方，不在代码被 AI 写了。过去熬夜学的技术栈突然不算核心竞争力，这种重新定价更难消化。护城河干了以后，门槛换到别处：判断方向，验收结果，理解付钱的人，理解人的体验。写代码仍然有用，只是它从身份变成了工具。问题落到每天的工作里：你验得动吗，你挑得对方向吗，你离付钱的人够近吗。