多年后回想起来，人们可能会发现，让程序员指挥 AI 写代码，可能是我们人类走过的一段弯路。

复杂度不会消失，只会转移。如果真的一点技术都不懂，纯纯许愿式指挥最后还是只能得到一坨。最起码的，AI 给你说你的产品设计有三个技术方案可以实现的时候你要能判断出来其中显然不靠谱的选项。

我目前自己感觉体验最好的情况是，懂一些技术的用户，自己做东西解决自己的需求，这种做出来的东西很难不好用。

电话发明的时候还是需要带线的

@AstroProfundis 不要假设指挥 AI 写代码的人真的什么都不懂

@qiayue 有没有可能 ai 做产品，可能比写代码更厉害一点

@ariablink 没看懂你在表达什么

@qiayue 我的意思是懂产品也许和懂代码一样，这种技能在 ai 面前都不值一提

没搞懂你在说什么？

根本就没有产品，或者人人都是产品。

现在有效的上下文是不够的，到后面维护成本只会越来越高，ai 代码只能 ai 维护，如果能完全接受，又不是不可以

@ariablink 这里说的产品能力，其实更多在于对某个人群某个需求的洞察能力，目前 AI 暂时还不太具备这些能力。

但一个有这个洞察能力的人，把需求描述给 AI 之后，AI 是可以懂，可以知道怎么做的。

@4seasons 我表达的是，现在大厂里还有大量的程序员，他们不自己写代码了，开始指挥 AI 写代码了。
但实际上，这种分工，后面也许会变化，那时候，程序员何去何从？

一个人写项目很累的，因为 AI 方便了，我已经好久没有像以前一样好好思考怎么设计会更好。叽里咕噜管你行不行，先跑起来再说。AI 吐字又多，脑子感觉越来越糊了。

好处是有想法可以马上验证，但是真正做工程的时候，比原来更累。

不过总体来看，全局效率还是高很多，至少我不用再学具体的编码了。

最近有尝试慢下来，就是认真的看 AI 的吐字，然后好好想清楚了再交互。感觉还是会慢慢平衡下来，不再追求这种所谓的快了。

不可能。

我干过所有的活。人脑能力和社会分工注定了你只能关注一个很窄的方面。


我要把我设计好的状态机类实现出来
和
我要安排明天的行程一次性拜访三家客户准备好我们的产品展示


你一个月都不会有切换一次上述两种任务的机会。

我理解楼主的意思，时代的变化会体现在分工上，这是一个趋势，互联网这套产品开发的分工不会一直持续下去。

不算弯路，这是时代发展的轨迹，现在个人编程的能力可以用外在的辅助工具就能很大的提升对应的能力，洞察需求的能力，目前还没有很好的工具能提效，还需要能力强的人来解决。

楼主你可以看看我最新的一篇帖子，是不是有这种感觉。

楼主看透本质了。

现在只是很多人还没反应过来，脑子里还停留在「做软件是程序员的事」这套分工的思维惯性里。不少程序员自己都没意识到（或者意识到了，只是在抗拒）；何况没写过代码、没玩过 Vibe coding 的大众。

但这个阶段迟早会过去。

以后可能没有「程序员」这个职业，取而代之的是「创作者」。做软件跟写小说差不多，看你有没有想法，能不能把它讲给 AI ，再一路把成品带出来。

代码只是介质，决定性的能力是想法、审美、判断力和对结果负责。

让吃货去开餐馆，一定很赚钱吧！！！顾客体验一定很好！！！

没有银弹。

@qiayue 你的视角局限在大厂了，但从编程最初，本质也是没有那么多分工的，很多程序员是为了自己想做及热爱做的事情为初衷去写程序的，不分到底是产品、设计、开发、测试甚至是运维，对于大多的个人开发者更是如此。从你的话里表述出的意思，仿佛是在你看来如果没有产品（经理），似乎程序员的目标就无法落地。

分工是工程化的体现。工程化是现代文明的基石，这也是决定了为什么有那么多分工的根本，工程化使得整个社会目标开展能有效高效的展开投入运行。AI 时代只是让这种需要分工协作的模式整合起来变得更为高效，AI 可以是产品可以是设计可以是测试，但于人而言，职位为程序员并不是决定了 ta 就是程序员。

@4seasons #19 回顾历史，科学和技术的发展从来是基于客观事实推进的，除非政治和人为干预，几乎非常难走弯路。

如果客观条件允许，为啥要在可以用曲速引擎穿越星际的时代，用传统固体燃料火箭去星际旅行呢？

除非真的是有个脑袋不灵光的政客从中作梗。

大概就这个意思吧。

这个问题太好换位思考来回答了。我之前也想过这个。

OP 觉得程序员很容易被取代，
那请问能搓一段 AI 漫剧吗？ 明明工具多的是，技术条件早就满足。

那对于那些原来并不会写代码的人而言，其实难度是一样的。

这个问题只有真正懂 ai 的人有资格回答你，因为你必须要严格的定义 ai 在近几年可能达到的能力，深度了解现在主流 ai 的能力逻辑。才能开始这个问题，不然就更倾向于玄学问题

你这属于误解了，请把程序员改成软件工程师后重新思考下呢，产品经理依然属于这个范围内。
如果选择把角度放在目前人类使用的工程思维对 AI 是弯路的话，那么不排除这个可能性。

以后只要对 AI 说“去帮我赚钱”就行了。

@yarawen 是的是的 现在不是有很多小说都改变动漫吗 像什么《凡人修仙转》、《斗破》之类的，然后我有一部喜欢的小说（《历史的尘埃》）我觉着非常适合做成动漫，但是没有人做，而且这小说也不过，最离谱的是作者都已经过世了，然后我问 gpt 小说转成动漫的方案。。每个方案我看着都过于离谱导致我一个人根本无法进展下去

@yarawen 我原文说的是让真正懂业务懂产品的人指挥 AI 写代码。
你要类比到做 AI 漫剧，显然就不能让不懂做 AI 漫剧的人去做。


@est 显然，厨子比吃货更懂菜品

ai 在你越菜的方面表现的越牛逼，属于强行拔高底线

ai 帮我生成一个能赚钱的 app 吧，至少能把 token 费用赚回来，如果能赚钱，就继续做下一个

没那么多弯弯绕，根本点只有一个：AI 的能力边界！
看了楼主和楼上的发言：「 AI 是工具」，「 AI 不懂产品」，「 AI 没想法」、「 AI 写代码不能挑大梁」。
全都是看现在的 AI 来下菜碟，全都是静态的眼光。即使 AI 的智能在过去短瞬的几年内已经突飞猛进，仍然在用静态的眼光来看待 AI 。没有抓住最核心的点：AI 的能力并不受任何限制。所有对未来的讨论都要考虑到这个前提。

🤣虽然我喜欢搞后端，但是感觉前端很难被取代，跟 AI 扯半天怎么修改界面最后的结果就是红温🤣

哦，我是支持楼主的观点的，我觉得以后的分工像是产品和前端融合，后端和架构师融合之类的

op 是一个理想的抽象概念吧我觉得
我认为说的也并不无道理
因为说的是多年后，说的是未来
目前的程序员去开发 ai 的时候，要考虑到业务的各种边界，各种不同技术路线的匹配程度，各种风险
但是程序员基于什么去考虑这些东西呢？ AI 难道后面就一定不能够考虑到这些吗？我觉得不一定呀

目前肯定 ai 还是肯定做不到，说未来的话，我觉得 op 说的还是有可能的
不过真正懂产品的人的这个定义也蛮宽泛的，我觉得至少要需求明确的，想要的交互效果，性能指标，和面向用户都是清晰的

而且楼下说的很多，其实说白我觉得是
产品经理 、程序员

这种岗位划分 ，是因为 ai 没出来的时候的概念，以后 ai 变得很强了，新的岗位可能会有转移的，工作职责会慢慢适应新的 ai 工具和 ai 工程的，也许那时候又是新的名称了

目前大家还是按照旧的这种岗位描述去试图解释这个新的变化

AI 做的是一个技术实现业务的活，产品显然做的不是这个工作

广度大于深度，让人负责广度，让 AI 负责深度。

一看这风格就是哥飞，一看果然是

最不需要的就是产品经理

职责不由职位决定, 让有能力的人上

AI 时代, 愚蠢的人操控 AI 就会获得愚蠢的产出

指挥 AI 写代码并且能做成的，确实已经不是程序员了，只不过当前没有找到合适的岗位名称而已。

所谓‘超级个体’，再精简一些不就是 OPC 么。

@sillydaddy 这个就没意思了，我理解大家讨论的应该是基于未来 5-10 年 AI 的能力。如果不限制时间，一万年后 AI 可以让人飞天遁地和我又有什么干系呢？

@sillydaddy 针对“AI 能力不受任何限制，所有讨论都应基于此前提”的观点，反驳如下：

---

该论点的根本谬误在于，将“模型的潜在推理能力”与“系统在现实中的有效产出”混为一谈。前者是算法空间的理想化抽象，后者则受制于物理、信息与成本的硬约束。

第一，智能不直接等价于万能。即使 AI 具备超人的逻辑推演能力，它也无法凭空跨越物理世界的摩擦——机床的加工速度、化学反应的时长、供应链的物理距离、政策审批的法定周期，这些“瓶颈”不会因智能提高而消失。木桶短板模型表明，系统的产出由最薄弱环节决定，而非最强大脑。

第二，智能的运行本身依赖高质量的训练数据输入，而数据不是无限的。公开互联网的高信度语料已趋近枯竭，前沿研究数据被置于付费墙和协议约束之后。若缺乏实时、准确、高信噪比的信息源，AI 的推理只会退化为基础噪声上的概率组合，再强的模型也无法突破“输入垃圾，输出垃圾”的底层规律。

第三，复杂度与时间维度不容忽略。处理长周期、多变量、动态变化的复杂目标时，任何基于概率生成的系统都会面临信噪比随时间递减的困境——早期确立的约束在后继生成中逐渐被稀释，逻辑漂移成为内在必然。这不是当前算力不足，而是生成式架构的统计本质决定的。

第四，技术进步遵循 S 型曲线，而非线性外推。过去几年的突飞猛进源于 Transformer 架构与尺度定律的红利，但该红利正遭遇数据壁垒、边际收益递减及模型自噬（用生成数据训练生成数据）的物理极限。将近期进展简单外推至“无限制”，恰恰是更静态的线性思维。

综上，AI 的能力边界从来不是单纯由算法或参数决定，而是由它与现实世界交换信息的效率、获取可靠数据的成本、以及物理定律赋予的时限共同刻画的。忽视这些硬约束而空谈“能力无限”，既非科学，也无助于解决任何真实问题。