xianliticn
e0b6c900cf
All checks were successful
Build and Deploy Qingshuige / build-deploy (push) Successful in 1m24s
61 lines
8.3 KiB
Markdown
61 lines
8.3 KiB
Markdown
---
|
||
title: 写代码从来不是核心
|
||
date: 2026-04-07T01:16:00.000+08:00
|
||
author: 线粒体
|
||
---
|
||
以前对于一些程序员，写出来的代码实际上原创的成分很少。遇到问题就上Stack Overflow、CSDN或者各种博客，然后照抄。稍微复杂一点的工程，就涉及到架构问题。这时候就从各种架构书里去找现成答案，然后套用在自己的项目里。境界再高一点，才可以稍微有一点自己的创造性思考和实现。诚实地说，这种程序员的核心能力，究竟有多少价值？能看懂语法、懂设计模式、懂算法、会运用现有的工具解决问题，这些能力在过去成了程序员的护身符。但是现在有了AI，程序员发现自己会做的AI也会做。于是很有挫败感，觉得AI抢了自己的饭碗。
|
||
|
||
现在回过头来审视，过去程序员们那些引以为傲的能力，真的有不可替代性吗？或者说不应该被替代吗？假设这些能力不能被替代，那么人类将始终处于一个停留在低层次劳动的阶段。
|
||
|
||
比如，过去老百姓不识字，于是知识阶层便使用文字作为权力垄断的工具。后来人人识字，有一些迂腐的知识分子觉得“斯文扫地”，自己风光不再。但是很显然，人人识字是一种历史的进步。而且权力的垄断依旧存在，这时的垄断者正是那些不依靠文字，而依靠更高层次治理能力的人，比如军事才能、政治才能等等。
|
||
|
||
类比到程序员身上，从计算机科学诞生以来直到今天，行业内的大佬很少有纯以代码输出能力作为自身核心能力的。很多是搞数学的，然后是搞算法的，还有设计架构的、搞底层的。有几个大佬是依靠组装轮子把自己立起来的呢？但是过去程序员用组装轮子把自己立起来，今天有了更厉害的组装轮子的工具（AI），却还觉得这是一种非常珍贵的能力，不应该被替代。组装轮子当然算一种能力，它可以创造产品、换取报酬、养家糊口。但是假设不允许这种进步发生，人类又怎么能够迈向更高的一个层次呢？哪次技术进步不是伴随着大规模的就业洗牌呢？无论这个牌怎么洗，王牌永远都是香饽饽。对程序员来说，跳出代码外的思考能力、数学能力、创新能力、系统思维能力，才是香饽饽。今天已经不太需要抄写员了，正如将来某一天可能不再需要程序员。
|
||
|
||
细细分析一下，AI能够替代程序员，一个关键的能力就是代码生成。但是从computer science这门学科诞生开始，代码生成从来就不是一个核心领域。
|
||
|
||
这个世界上所有的学术科目，根据公认，都是从两个源头演化而来：数学和哲学。若没有跟这两个科目扯上关系，那它就不能被称为学术。
|
||
|
||
比如，每个人都可以在夜晚看星星，但看星星不是学术。后来引入了数学，成为了观星学，再后来成了天文学，乃至天体物理学，才是学术。因为引入了数学。
|
||
|
||
计算机按照图灵的表述，一开始是一种纯粹的数学模型，有四大要素。其中，指令只是衍生而出的一种应用工具。在冯·诺依曼的架构里，指令更是一种计算机的“粮食”，喂给它它就转，即使不喂，它本身也完备。也就是说，在这个模型上，指令是可被应用并且有效的。这正如人类有了充分发育的智慧大脑才产生语言，但语言并不代表大脑的智慧本身。
|
||
|
||
后来为了使得计算机这种东西不仅在数学上，更在现实中也有价值，就有了机器码。机器码是人为约定的，目的是为了操作计算机。也就是说，到了“编码”这一步，已经是计算机发展的中下游链路了。
|
||
|
||
一开始用的是纸带打孔。所以那时候的“程序员”其实就是打孔员。一张纸带代表一个指令，成本非常高昂。
|
||
|
||
后来发明了高级语言，人类只需要写这种语言，机器就可以把它自动编译成机器码。而且有了电子存储器，也不需要纸带了。到了70年代左右，才有了我们今天熟悉的所谓“编程语言”。
|
||
|
||
这个时候我们看看，编程语言在计算机科学发展的过程中，扮演了一个什么样的角色呢？它是学术吗？它是数学？还是哲学？把代码写得像证明一样严谨，那么它就是数学咯？或者写得像诗篇一样优美，那么它就是哲学咯？
|
||
|
||
我们有一门学问叫作编译原理，专门研究编译这件事。编译就是指把高级语言编译成机器码，这是一门数学性很强的科学。但是它和编程语言本身有什么关系？我们见过大量的程序员对编译原理知之甚少，也就是说只要他们不接触机器码和底层开发，编译原理并没有很多人想象中那么重要。
|
||
|
||
所以写代码本身一开始就和学术扯不上太大关系。发明高级语言，只是为了减轻程序员的工作量。高级语言的编译是一门大学问，但是使用高级语言本身，好像并没有获得太多学术上的关注，倒是很多大企业在用它创造产品。这就又出现一门学科叫作软件工程。
|
||
|
||
根据Uncle Bob的说法，高级语言编程的三大范式早在上世纪就确定了：函数式、过程式、对象式。所有的软件工程书籍，都在教你怎么用这三种方法写出最稳健、最易于维护的代码。但是它是语言不相关的，几乎任何一个图灵完备的语言都可以采取一定的架构，解决一定的问题。至于能实现多少，那就看这门语言的设计。而语言的设计又跟编译脱不开干系，这就又回到编译原理上。
|
||
|
||
说到底，代码本身从来不是一个目的。写代码没什么了不起，设计代码才是核心领域。
|
||
|
||
所以我们发现，指令的使用，乃至编程语言的使用，是计算机发展的大树上伸得很长但离得很远的一枝。它属于典型的应用侧。
|
||
|
||
既然是应用，显然用得越方便、越快速、越稳定越好，因为用它是为了看成果。所以自然而然的想法就是自动生成代码。
|
||
|
||
代码生成上迈出的第一步，恰恰是高级语言的发明。今天很多程序员抨击AI写代码是生成的，不好，但是他们忘记了他们使用的五花八门的高级语言，本质上也是一个机器码生成器。
|
||
|
||
有了高级语言，开发容易多了，这才有了软件的大爆发。
|
||
|
||
后来又有了五花八门的硬件、五花八门的操作系统。同一套软件、同一套业务，为了适配不同平台，就需要好几个团队来分别为不同平台做开发。比如Windows端用C#，Android端用Java或Kotlin，iOS端用Swift，Linux鬼知道该用什么。一套软件四套团队，怎么办？
|
||
|
||
于是就有了各种各样的跨平台方案，人类在代码生成上迈出伟大的第二步。比如现在学会JavaScript，几乎什么都能做，各大成熟的跨平台框架任君挑选。本质上就是：用一套高级语言的代码生成多个平台的机器码。这时候另外三套团队就会失业、被裁员。只不过那时候互联网应用野蛮生长，编程也没有今天这般高的热度，没有太多人会去倾听他们的心声。
|
||
|
||
所以今天的程序员，早就开始用代码生成技术了。如今有了AI，可以直接生成高级语言。形式虽更高级，本质却没有变化。只是过去人们手动编写编译器，将高级语言编译为机器码；如今AI能够深度学习现有的代码，人工可以少干预，仅此而已。这是软件这门生意发展的必然结果。
|
||
|
||
另一个方面，深度学习的理论框架早就有了，为什么近年才发展起来呢？
|
||
|
||
因为技术的发展本身需要一定的时间，而且，还有一个重要原因：硬件变强了。
|
||
|
||
硬件为什么能变强？因为基础研究的进步。基础研究为什么能进步？因为基础学科的进步。什么基础学科？数理化。好了，我们又回到了计算机科学的核心。
|
||
|
||
综上所述，计算机科学发展的第一动力，绝对不是代码。它被替代，完全合乎情理。所以程序员们，确实没有必要致力于守成。如果真的想提升不可替代性，应该尽快修正自己的错觉，尽量靠近computer science的核心，那就是从“做”到“设计”。
|
||
|
||
以上80%都是我突发奇想瞎说的。
|