X Tweets

Appearance

Gergely Orosz：越贴近生产代码的工程师，越不相信 AI 能彻底"解决"软件工程 ​

1. 推特内容与翻译 ​

  • 作者（@GergelyOrosz）推文原文：

    Talked with a few folks inside of AI labs (OpenAI, Anthropic) about what they think of the future of software engineering.

    The "closer" to shipping production code engineers are, the less they believe software engineering will be "solved" fully by AI. The opposite true as well

  • 中文翻译：

    我和几位 AI 实验室（OpenAI、Anthropic）内部的人聊了聊，问他们怎么看软件工程的未来。

    工程师越是"贴近"交付生产代码（shipping production code），就越不相信软件工程会被 AI 完全"解决"；反过来也成立（离得越远，越相信会被解决）。

2. 人物背景与上下文 ​

  • 作者：Gergely Orosz（@GergelyOrosz），知名技术写作者，运营业内影响力极大的付费简报与博客 《The Pragmatic Engineer》。他曾在 Uber、Skype/Microsoft 等公司任工程师与工程管理岗位，长期报道大型科技公司的工程实践、行业薪酬、裁员与技术趋势，在工程师群体中具有很高的可信度。其内容以"贴近一线、重事实、少炒作"著称。

  • 上下文：这条推文基于他与 OpenAI、Anthropic 等前沿 AI 实验室内部人士的非正式交流，提炼出的是一个相关性观察，而非严谨调研结论——即"对 AI 取代软件工程的乐观度"与"个人离真实生产代码的距离"之间存在反向关系。

3. 行业分析与启示 ​

  • 观点核心：立场取决于位置。同样是 AI 实验室内部的人，对"软件工程会不会被 AI 彻底解决"的判断却两极分化，而分化的关键变量是离生产代码的远近：

    • 离得近（一线写代码、上线、维护、值班的工程师）：更清楚生产环境的复杂性——模糊需求、边界情况、遗留系统、调试、跨团队协作、长期维护成本等，因此不认为 AI 能完全替代。
    • 离得远（偏研究、管理、对外叙事或 demo 导向的角色）：更容易相信 AI 即将"解决"软件工程。

  • 对"AI 取代程序员"叙事的隐含批评：这条推文的潜台词是，那些最高调宣称"编程即将终结"的声音，往往来自离日常生产实践较远的位置。Demo 与基准测试上的惊艳表现，和把代码稳定、安全、可维护地跑在真实生产环境中，是两件难度差距巨大的事。

  • 与"最后一公里"难题呼应：软件工程中真正消耗工程师精力的，常常不是"写出能跑的代码"，而是需求澄清、系统集成、回归风险控制、可观测性与故障响应等。当前 AI 编码工具在"生成代码"环节进步显著，但在这些贴近生产的环节仍需大量人类判断——这正是一线工程师持保留态度的现实依据。

  • 需要审慎之处：这是基于少数私下交流的概括（"a few folks"），属于轶事性观察而非统计结论，存在选择偏差与"屁股决定脑袋"（离生产近的人也有维护自身职业价值的动机）的双向可能。其价值在于提供一个判断 AI 叙事可信度的实用视角：留意发言者离真实生产代码有多近。