LLM正在侵蚀我的软件工程职业生涯，我不知道该怎么办

2026年6月6日

我是一名软件工程师，今年将完成10年的专业经验。我的职业生涯是从Web前端工程师开始的（当时我觉得调试前端代码更容易，所以选择了这条路），但很快转向了Web后端，并且再也没有回头。通过一系列的巧合，进入后端开发后，我最终在金融、记账和支付处理领域担任软件开发职位。在这些工作中，我拥有很大的自主权，与产品经理和利益相关者保持着密切而坦诚的关系。我学到了很多关于该领域的知识，以及如何有效地为其编写程序：PCI合规、复式记账、托管、对账、支付生命周期、银行转账幂等性等等。那时，很明显我应该专注于成为该领域的专家，以脱颖而出，并在一个显示出对领域专家需求日益增长的领域中差异化自己。

第一个被侵蚀的支柱：领域特定知识

去年，我被一家金融领域的公司录用。到目前为止，我工作过的公司在运营/产品中都有很强的支付和金融成分，但它们并非纯粹的金融公司。那家公司也全心全意地拥抱AI，所以从第一天起我就获得了ChatGPT和Claude企业账户，并被鼓励将它们用于我的研究、探索甚至编码，尽管有一个警告：我仍然需要审查并负责每一行进入生产的代码。

我的第一个项目之一是重新设计遗留的在线支付系统，那是一个烂摊子。他们雇佣我（除了其他原因）是因为我之前构建此类系统的经验，并信任我完成这项任务。与我之前工作过的其他公司不同，他们希望我在编码之前编写的“设计文档”既能被工程师阅读，也能被产品经理阅读——所以它们不应该是技术深度剖析，而更像是架构视图。

我写了第一份文档，几乎没有AI辅助——当时我甚至称LLM为“随机鹦鹉”，我现在不再持有这种观点——然后交付了。我很珍惜我的知识，认为没有LLM可以取代它。

然后我的经理联系了我：尽管你的代码交付速度不错，但你花在设计文档上的时间太长了。你在使用AI吗？你应该更多地使用AI。

“这肯定行不通”，我心里想，但同意了。当时的模型没有现在的好，但它们确实在我写作甚至决策上提供了很好的加速。

然后我开始意识到：我多年来积累的所有知识——实现之间的权衡、获取如何工作、如何构建幂等性以防止重复收费等等——都变得无用了。尽管模型仍然需要一些引导，但它们能够连接起构建这类系统的各个点，而这正是最困难的部分，只有在多年的实践经验后才能在脑海中形成。那是我第一次震惊。

但当然，我想，它们能做到这一点，因为网上有大量关于这些东西如何运作的文章以及所有技术文档，我们还有博客文章解释如何将技术工具应用于该领域。对于人类来说，学习所有这些可能需要很长时间，但那是训练数据，所以模型可以掌握。

模型永远不擅长的，也是人类会闪耀的地方，就是调试！我积累了在生产中调试竞态条件和分布式系统的丰富经验。那是我长期就业能力的门票。

第二个被侵蚀的支柱：调试和分布式系统

所以，在LLM开始擅长编写文档和帮助规划实际实现之后，它们变得擅长编码。这始于2025年下半年，随着Claude Code热潮，然后Codex出现等等。尽管在此之前我每天都使用LLM编写单元测试，但我还不信任它们来编写完整的实现。

自然的下一个步骤是将更多的AI引入代码编写。说实话，我喜欢它。我喜欢将产品交付到生产环境并看到用户满意，就像我喜欢编码一样，所以我用一种我喜欢的东西换另一种我也喜欢的东西，这很公平。LLM在编码方面变得出色，但它们仍然无法调试留下的混乱（无论是当时还是人类留下的），所以我仍然有一个比引导机器人更大的角色——一张就业门票。

一切似乎都很好。

然后来了MCP、agentic workflows和Claude 4.5，天空开始塌陷。Claude 4.5，说实话，并没有那么好。它解决了大约60%的bug，给定堆栈跟踪和一些上下文（大多数情况下，一个开启Sentry MCP的Sentry链接就足够了）。有时它会给出一个听起来合理但完全错误的解决方案。

然而，这一次，我不再怀疑机器。我看到了过去需要整整一天全职调试的bug被Claude Code一次性解决。当然，还不是所有，但趋势很明显。

然后来了4.6、4.7、GPT 5.5、Opus 4.8和DataDog MCP……现在我有CLI工具可以为我一次性解决跨分布式系统的bug。那些我过去无法解决的bug。那些需要两天全职调试的bug。跨分布式系统且缺乏分布式可观测性的bug。现在90%的bug都被一次性解决，包括奇怪的竞态条件、意外的边缘情况、第三方集成问题、未记录的API边缘情况等等。我几乎不需要干预。

当然，我仍然有工作，因为必须有人审查代码并引导机器人。但我现在只是一个现成的工程师。我的领域专长，其他高级工程师引导LLM也能达到。我所有的金融和支付领域知识，所有的调试直觉和分布式系统知识，都是通过汗水和泪水换来的，现在都可以通过提示词获得。

我们被教导说通才和专才总是会各司其职。但现在市场正将每个人塑造成通才。这本身不是坏事，直到你从供需经济学角度审视：如果每个人都是通才，在没有相应需求的情况下，通才的价格就会下降。而我们都清楚需求正在枯竭。

第三个尚未被侵蚀的支柱：代码质量和架构

我还有一个支柱仍然屹立：代码质量和软件架构——现在被简称为“品味”。在我的职业生涯中，我一直喜欢重构，始终珍视好的代码，并在sprint中为它争取时间。DDD、六边形架构、整洁架构，你知道所有这些流行词。我喜欢这个话题，喜欢讨论权衡以及如何塑造代码库的不同想法。我真的很喜欢它。这是最后一个仍然屹立的支柱。

只是现在没人再在乎了。Agent在保持代码库组织方面做得很糟糕。如果你不引导它们，它们很快就会遇到循环依赖问题。会重复代码。添加不必要的注释。混淆纯函数和副作用。无视SOLID原则。这应该能让人类有工作，除了这项技能现在被简化为“品味”这个词。

但这不仅仅是重命名，整个行业正在走向一个代码组织不那么重要的世界。当然，人类应该引导agent以防止出现带有循环依赖图的意大利面条式代码库。我们不想要F级代码库，一碰就坏。但是C或D级？现在没问题了。不再有人需要A或B级代码库了，因为它们是写给LLM看的，而不是给人读的。我不想争论这本质上是对是错。如果源代码现在是写给机器读而不是人读的，那么针对它们可能也是可以的。但这也是我的另一个正在被侵蚀的专业支柱。我在这个话题上积累的大量知识不再那么有价值了。我花在阅读书籍、做实际练习、与其他工程师讨论、编写ADR上的所有时间，都变得无用了。

现在怎么办？

我仍然在职，并且预计在可预见的未来（至少在那家公司）还会有工作。但我不知道长期来看该怎么办。我花了10年时间（算上非专业经验甚至更久）锻炼出那些变得越来越不有价值的技能。我的最后一个专业支柱现在被简化为“品味”，可能不会持续太久。我知道我不是一个人。

大约8个月前，我现在的公司裁员了（据他们说，与AI无关）。一些才华横溢的前同事被解雇，至今仍在找工作。他们中的大多数都面临着我在这里概述的同样问题：他们的领域专长不再足以让他们脱颖而出。公司现在正在招聘一些职位，领域熟悉度已经不再是重要的区分因素。我们过去列出“软件工程师 - 领域”，现在只是“软件工程师”，团队分配是在offer接受之后。

当然，这对那些从未有机会深入领域但才华横溢的工程师有好处，现在他们有更好的机会找到工作，但想到其他那些毕生积累领域知识的杰出工程师现在却在同一条赛道上竞争，也令人难过。

现在，长期保持我就业能力的唯一出路似乎是转行到LLM不那么容易擅长的领域。但还有什么呢？我想过回到大学，学习数学、统计学、高级机器学习，然后申请前沿实验室的研究岗位。但我的国家没有前沿实验室，仅有的几个申请者蜂拥而至，而且我家庭的原因使得移居其他国家变得困难。等到我能负担得起这个跳跃的时候，RSI可能已经让研究人员过时了。

也许我应该考虑把我的木工爱好变成职业……