前段时间写完《亲眼见证程序员职业的终结》后，收到不少私信。有人问技术细节，有人讨论 Claude Code 的用法，但问得最多的是一个更根本的问题：

如果 AI 真能做到 Staff Engineer 的水平，那我们还能做什么？

这个问题我自己也在想。

职业危机

先说让人焦虑的部分。

Graphite 那个项目，一小时被 Claude 写完。两天的活，一小时搞定，代码质量不输我自己写的。这还只是开始。

前几天试了另一个场景：让 Claude 写一份 PPT，提示词大概是:

以华尔街投行的风格，写一份关于 XXX 的 PPT 给投资人演示”

出来的东西，从结构到措辞到图表建议，像是一个经验极其丰富的分析师写的。

这两个例子，一个是技术活，一个是商业沟通。一个靠硬技能，一个靠软技能。但 AI 都能做到八九十分。

这意味着什么？

意味着大量”可学习的技能”正在贬值。写代码是可学习的，写 PPT 是可学习的，做数据分析是可学习的，写报告是可学习的。这些技能之所以值钱，是因为学习成本高、熟练周期长。但当 AI 能在几秒钟内输出一个”五年经验”水平的结果时，这些技能的护城河就塌了。

不只是程序员，投行分析师、咨询顾问、产品经理、市场营销——几乎所有白领岗位都会被波及。

新的机会

但硬币有另一面。

以前不敢想的事情，现在可以想了。

我一直想做一个基于字节码的静态分析框架，能追踪数据流，能自动清理代理。这个想法在脑子里躺了好几年，因为工程量太大——设计数据结构、实现 dataflow analysis、处理各种 edge case、写 CLI、写测试——一个人根本做不完。

现在呢？一小时。

以前需要一个团队花几个月才能做的事，现在一个人指挥一个 agent team 就能搞定。我说需求，Claude 写代码、跑测试、修 bug，我只需要 review 和纠偏。

这不是效率提升，这是能力边界的扩展。

我儿子十岁，用 Claude Code 捣鼓了一小时，做出一个多人在线对战游戏——三种角色、物理弹道、P2P 联机。一个十岁的孩子，一小时，一个完整的游戏。

这让我意识到一件事：我们可以 Dream Bigger。

那些看似大胆的想法——以前觉得”算了吧，太复杂了，做不了”的想法——现在可以重新拿出来看看了。不是因为你变强了，而是因为你有了一支随叫随到的团队。

那我们还能做什么？

AI 能做大部分”可学习的事”。那人还剩下什么？

我的答案是：去做那些”学不来的事”。

但问题马上来了：什么是学不来的？怎么知道自己擅长什么学不来的事？

我想到一个线索——直觉。

直觉这东西很微妙。你看一段代码，直觉告诉你”这里会出问题”。你看一个商业计划，直觉告诉你”这个方向不对”。你说不清具体哪里不对，但就是有感觉。

表面上看，直觉是经验的产物——见得多了，大脑把判断逻辑压缩成了瞬时反应。但问题是：同样的经验暴露量，为什么有人形成了直觉，有人没有？

我见过干了十年的工程师，看代码还是一行一行读，读完说不出哪里有问题。也见过干了三年的人，扫一眼就能指出架构的软肋。

差别在哪？在天赋。

天赋不是让你”做得好”，而是让你”学得快”。更准确地说，天赋决定了三件事：

  1. 感知的敏感度：同样的信息摆在面前，有些人天然更容易注意到某些信号。就像有人对颜色敏感，有人对节奏敏感，有人对结构敏感。
  2. 压缩的效率：把经验转化成可复用的直觉，这个过程的速度差异很大。有人需要踩十次坑才能记住，有人踩一次就刻进骨子里了。
  3. 方向：你的大脑更容易对什么类型的模式形成直觉？有人对人际关系敏锐，有人对数字敏锐，有人对时机敏锐，有人对结构敏锐。这不是选择的结果，更像是出厂设置。

所以，直觉其实是天赋和经验的交汇点。天赋决定了方向和效率，经验填充了内容。直觉是天赋的显影剂——它把那些藏在底层的倾向，通过具体的场景显现出来。你对什么有敏锐直觉，那里可能就是你天赋所在的地方。

一个务实的策略

回到开头的问题：AI 时代，我们还能做什么？

两件事。

  1. Dream Bigger：那些以前觉得”做不了”的想法，重新拿出来。你现在有了一支 agent 团队，执行力不再是瓶颈。瓶颈是你的想象力。
  2. 找到你的直觉所在： 观察自己：对什么事情的判断不需要思考就能准？什么场景下能看到别人看不到的东西？那个方向，可能就是你最不可被替代的地方。

AI 可以学习任何可以被形式化的东西。它有无限的算力、无限的记忆、无限的耐心。但它没有的是方向——它不知道该往哪走、该对什么形成直觉。

而你知道。

与其焦虑被替代，不如认真观察自己的直觉，然后把时间砸进去。让你的直觉变得更准、更深、更不可替代。

这可能是 AI 时代，普通人最务实的应对方式。