AI时代程序员的转身：研发范式的变化与能力重塑
最近在团队内部做了一次分享，主题是 AI 时代程序员怎么"转身"。这不是一个危言耸听的话题，也不是什么职业规划课，而是我这段时间真实的思考——我们每天在用 AI 工具写代码，但有没有认真想过，这件事到底在改变什么？
一、编码，正在成为"基础设施"
以前我们判断一个工程师的水平，很大程度上看他写代码的能力——能不能写出优雅的算法，能不能 debug 出那个藏了三天的 bug，能不能独立把一个模块从零撸出来。
但现在这件事正在悄悄变化。
一个很具体的例子：游戏里的碰撞检测。过去我们需要手写几百行代码，反复调试物理引擎参数；现在用自然语言把碰撞规则描述清楚，AI 能生成八九成可用的代码，我们做的是审查和补齐；而再往前看，这件事可能直接由 Agent 自主完成开发和测试，工程师只需要聚焦在玩法创新本身。
这个变化的本质是：编码从"核心产出"变成了"基础设施"。
这不是威胁，而是解放。就像当年有了 IDE，我们不再需要手动管理寄存器；有了高级语言，我们不再需要写汇编。每一次"解放"，都把工程师的精力从低层搬运到高层。
转身的本质，就是从"手写代码"到"驾驭AI写代码"，从"执行者"到"决策者"。
二、研发范式的四个新维度
如果说编码是旧范式的核心，那新范式的核心是什么？我总结了四个维度：
1. Spec —— 程序员的新"代码"
Spec 就是结构化的需求描述：明确系统能力边界、交互逻辑、验收标准。过去我们写文档是为了跟别人沟通，现在写 Spec 是为了驱动 AI。
这件事比看起来难。AI 生成的代码质量，极度依赖 Spec 的质量。一个模糊的需求描述，换来的是一堆需要大量返工的代码；一个精确的 Spec，AI 第一次就能给出可用的初稿。
写好 Spec = 写好代码，这不是比喻，是字面意思。
2. Skill 封装 —— 组织级知识复用
Skill 是把领域知识、编码规范封装成 AI 可调用的"技能包"。
举个例子：我们团队在 UE5 里有一套成熟的网络同步方案，包括帧同步和状态同步的最佳实践。以前这套知识只存在几个老员工的脑子里，新人入职要花好几个月才能摸清楚。现在可以把这套最佳实践封装成一个 Skill，新人用 AI + 这个 Skill 就能直接上手，老员工的经验变成了组织资产。
这是一个知识从个人到团队、从隐性到显性的过程，AI 只是媒介。
3. Agent Engineering —— 编排复杂任务的能力
Agent Engineering 是设计、构建、编排 AI Agent 来完成复杂研发任务的工程能力。
我自己实践过一个案例：为 H5 活动页搭建测试 Agent，给它一个页面 URL，它能自动生成测试用例、执行测试、输出 Bug 清单。这件事以前需要 QA 工程师花半天时间手动走，现在压缩到分钟级。
Agent 的核心不是"自动化"，而是把原来需要人类判断的中间步骤也交给 AI。这需要工程师去设计任务拆解方式、定义 Agent 边界、处理异常流。这是一项新的工程能力，也是目前市场上最稀缺的。
4. Harness Engineering —— AI 研发链路的工程治理
这是最容易被忽视的一环：当 AI 进入生产研发流程，如何保证质量？如何控制成本？如何保障安全？如何做可观测性？
这些不是 AI 问题，是工程问题。需要有人来建立 AI 代码的质量门禁、监控 Token 消耗、审查 AI 操作的安全边界。我把这套端到端的工程治理体系叫做 Harness Engineering。
三、不换思维，工具也白给
工具拿到手了，但很多工程师用起来效果差，根本原因是思维模式没有切换。
我列了几组对比：
“怎么实现这个算法？” vs “怎么描述问题让 AI 给出最优解？”
前者是执行者思维，后者是设计者思维。用 A* 寻路举例，与其直接问 AI 怎么写，不如先把约束条件和性能要求描述清楚，让 AI 在这个框架里给解法。
“代码必须 100% 正确” vs “快速生成 → 审查 → 迭代修正”
完美主义在 AI 时代会成为包袱。AI 能给你出一个 80 分的代码，你的价值是用 20% 的精力把它补到 100 分。如果你非要从零写到 100，那就是在跟 AI 赛跑，注定跑不过。
“我要掌控每一行代码” vs “我要掌控架构和关键决策”
这是最难转变的一条。很多有经验的工程师对代码有强烈的掌控欲，这是好事，但要把掌控点往上移——掌控架构、掌控伤害公式、掌控核心逻辑，把实现细节交给 AI。
“文档是副产物” vs “Spec/Prompt 是核心产出”
写好文档等于写好代码，这在 AI 时代不再是虚话。
四、能力模型：什么在涨价，什么在跌价
AI 时代工程师的能力模型，我认为是这样的分层：
- 产品洞察与创新决策：不可替代的顶层能力，涨价
- Agent 设计与编排能力：AI 时代新增核心，涨价
- Spec / Skill / Prompt 工程：AI 协作基本功，成为标配
- 工程化与系统架构思维：持续重要，价值稳定
- 机械化执行：跌价，AI 接管
简单说：越靠近"决策"的能力越值钱，越靠近"执行"的能力越快被替代。
这不是悲观，而是一个信号——去磨那些 AI 替代不了的能力。
五、我们打算怎么做：三阶段行动路线
光说不练是空话，我们团队规划了一个三阶段的行动路线：
Phase 1：工具普及期
先让大家用起来。熟练掌握 AI 编码工具（比如 CodeBuddy），建立团队 Prompt 模板库，选定一两个试点项目验证效率提升。这一阶段的目标不是颠覆，而是建立信心。
Phase 2：能力构建期
进入真正的能力建设。封装 3~5 个团队专属 Skill（把我们的领域知识沉淀下来），落地第一个 Agent 场景，建立 AI 代码的质量门禁机制。这一阶段开始形成团队的"AI 工作流"。
Phase 3：体系成熟期
构建团队级 Agent，打造 AI-Native 的开发文化——不是用 AI 辅助开发，而是以 AI 为中心重新设计开发流程。
六、最后想说的
我们不是在跟 AI 赛跑，而是在学会骑上 AI 这匹快马。
转身不是转行。转行是放弃原来的积累另起炉灶，但我们的技术判断力、系统思维、领域经验，这些在 AI 时代不是包袱，而是核心竞争力——只要你把它们和 AI 能力结合起来。
工程师的价值，从来不只是写代码。只不过过去我们没有更好的工具来放大那部分更难被复制的能力，现在有了。
这是一次升级，不是淘汰。