文章指出，随着AI技术的发展，编程工作正在发生转变。作者表示现在大部分时间都在构建AI代理和工具系统，由AI承担繁重工作，而自己负责思考和指导。关键在于：在明确架构和需求的前提下，经过指导的AI能写出比大多数开发者更好的代码。这种新模式让编程变得更高效有趣。

我们可能都已成为AI工程师——Yas的思考

核心观点： 1. 编程本质的转变 - 作者依然享受解决问题的过程，但工作方式已发生根本变化 - 现在主要工作是设计AI代理和工具系统，让AI承担编码实现

2. AI协作的新范式

• 关键不在于AI能否写代码，而在于如何有效引导
• 举例说明：作者设计包含图遍历、哈希策略等复杂系统时，AI负责具体实现
• 调试效率提升：可同时运行多个AI代理进行问题排查

3. 工程师角色的进化

• 核心能力转变为：系统设计、架构决策和问题分解能力
• 代码本身成为"输出物"而非核心价值
• 传统工程基础（如算法、调试能力）仍是有效使用AI的前提

4. 行业现状观察

• 缺乏工程直觉的人使用AI只会产生低质量代码
• 学习门槛降低：资源和工具前所未有地丰富
• 优秀团队的特征是保持对AI技术的好奇心

补充说明： - 强调AI生成代码必须经过严格审查 - 指出应区分使用场景：明确任务适合AI，系统级问题仍需人工 - 承认自身成长受益于同行评审和经验积累

启示： 工程师需要建立更强大的系统思维，同时保持对基础原理的掌握。AI不是替代者，而是能力放大器。行业正在经历根本性转变，适应新范式需要重新定位核心价值。

以下是评论内容的总结：

支持AI工具的观点

1. AI提升效率：多位评论者认为AI能显著提高开发效率，尤其在有经验的工程师指导下效果更佳。

   • "When guided, AI amplifies the productivity of experts immensely." (bambax)
   • "The velocity is kind of jaw-dropping." (ChrisMarshallNY)

2. 辅助学习与创新：AI帮助工程师快速尝试新方案，加速学习曲线。

   • "Even people who were previously not great engineers... are now supercharged to learn." (noemit)
   • "I vibe coded a Kubernetes cluster in 2 days... That would’ve taken me 3 months a year ago." (jjmarr)

质疑与担忧的观点

1. 技能依赖与就业影响：AI可能加剧工程师能力分化，并导致岗位减少。

   • "It’s the beginning of an even more K-shaped engineering workforce." (noemit)
   • "The teams are being reduced in headcount to the few lucky ones allowed to wear the AI hat." (pjmlp)

2. 输出质量与学习代价：AI可能生成不靠谱代码，且削弱深入学习的机会。

   • "The AI is always pushing me towards half-assed solutions... It also keeps lying." (jjmarr)
   • "If the LLM hands you that answer, you’ve foregone learning." (egl2020)

3. 管理与环境问题：非技术管理者可能误解AI作用，且其环境成本被忽视。

   • "Managers are laypersons who don’t know anything about coding." (bambax)
   • "What about the environmental impact of AI?" (holyra)

中立/辩证观点

1. 工具与责任平衡：AI需严格监管，公司应对其输出负责。
   • "Strict liability for companies making software products... will align incentives." (v3xro)
2. 工程本质未变：核心仍是问题拆解与决策能力，AI仅加速执行。
   • "Real engineering remains about judgment and structure." (voxleone)

关键分歧

• 乐观派：视AI为效率革命（如"10x the work"）。
• 悲观派：担忧职业替代与技能退化（如"losing their jobs"）。
• 实用派：强调需结合人类判断（如"redirect & audit its work"）。

总结：AI在软件开发中已成关键工具，但其价值高度依赖使用者的专业能力，同时引发就业、学习深度及环境等争议。