还有人记得怎么写代码吗？
今天在 X 上有个热门的帖子：
does anyone remember how to code
还有人记得怎么写代码吗？
这个帖子来自于Nikita Bier，获得了上万次点赞，也引发了大量开发者讨论。
我觉得这句话有意思的地方在于，它用一句玩笑指出了 AI Coding 发展过程中一个真实的矛盾：
我们正在获得前所未有的软件生产能力，同时也可能逐渐失去对软件生产过程的直接掌控。
1. AI Coding 正在改变程序员的能力结构
过去，一个程序员的能力很大程度上体现在能否将需求转换成代码。
现在，随着 Coding Agent 的能力提升，越来越多工作可以交给 AI 完成，包括设计数据结构、实现接口、编写测试、排查错误，甚至完成跨模块的重构。
这意味着程序员日常练习的能力正在发生迁移。
以前你可能每天都要手写大量 Java 代码。现在你可能花更多时间描述需求、检查方案、审查 Diff、执行测试。
这里有一个值得警惕的现象：一项技能即使没有完全消失，也会因为使用频率下降而退化。
例如，一个长期依赖 AI 生成 SQL 的开发者，可能仍然理解 SQL 的基本原理，却逐渐失去快速手写复杂查询的熟练度。
但我认为这种技能退化本身还不足以说明 AI Coding 是坏事。我们早就不再要求大多数开发者手写汇编，软件工程也没有因此倒退。
真正需要讨论的是：哪些能力可以交给工具，哪些能力必须由人保留？
2. 我更担心的是理解能力的退化
我认为这里存在三个不同层次的能力。
| 能力 | AI 时代的变化 |
|---|---|
| 代码编写能力 | 正在被大量自动化 |
| 代码理解能力 | 仍然重要，但可能受到依赖 AI 的影响 |
| 系统判断能力 | 重要性进一步上升 |
举个例子。
假设你让 Coding Agent 在 Spring Boot 项目里实现一个高并发消息消费模块。
它能够很快生成 Pulsar Consumer、线程池、异常处理以及重试逻辑。
但你仍然需要判断：
- Shared 订阅模式下并发是否合理？
- 消息确认与数据库事务如何协调？
- 重试是否可能造成重复处理？
- 下游数据库出现延迟时会发生什么？
- 发生消费堆积时，系统能否恢复？
AI 可以回答这些问题，甚至给出一套看上去很完整的设计。
但假如开发者已经无法独立判断这些答案是否可靠，那么系统质量就越来越依赖模型的正确率。
这才是我认为最危险的地方。
3. 但我也不赞同把手写代码神圣化
这条帖子引起共鸣，很大程度上源于程序员对职业身份变化的不适应。
过去，能够熟练编写复杂代码是一种值得骄傲的专业技能。
现在，一个缺乏多年编程经验的人，也可能通过 AI 快速完成过去需要资深工程师实现的功能。
这种变化很容易让人产生一种感觉：多年积累的技能正在贬值。
但从软件工程的历史来看，抽象层不断提升本来就是常态。
从汇编到高级语言，从手工管理内存到垃圾回收，从直接操作服务器到云平台，每一次进步都减少了开发者需要亲自完成的工作。
因此，我不认为程序员必须坚持手写代码才能保持竞争力。
我甚至认为，如果 AI 能够可靠地完成某项编码工作，坚持人工完成它，未必还有经济意义。
问题在于，当前 AI 的可靠程度还远没有达到可以无条件信任的水平。
4. 最值得关注的是未来程序员如何成长
这是我对整个话题最担心的一点。
资深工程师之所以能够判断一个技术方案是否合理，往往来自过去大量亲自实现、调试、踩坑的经验。
如果未来的初级程序员从入行第一天开始，就主要通过 Agent 完成任务，他们将如何积累这些经验？
这可能产生一个长期问题：
当一代程序员不再需要亲自经历复杂系统的构建过程，我们如何培养下一代能够理解复杂系统的人？
当然，AI 也可能成为极好的教学工具，帮助新人理解原本需要多年才能接触的知识。关键取决于工作方式。
如果新人只是不断接受 AI 生成的结果，学习效果可能很差。
如果他们持续验证结果、研究失败原因、理解设计取舍，AI 反而可能加速经验积累。
5. 我认为未来会出现两种差距
第一种是人与人之间的差距。
擅长使用 Agent，同时具备扎实工程判断能力的开发者，可能获得远超以往的生产力。
第二种更值得警惕，是开发者所能生产的软件复杂度，与其能够理解的软件复杂度之间的差距。
AI 可以让一个人维护过去需要十个人开发的系统。但如果这个人只能理解其中很小一部分，那么随着系统复杂度不断提高，风险也会累积。
这可能成为 AI 原生软件工程的重要挑战。
我的结论
我并不担心未来程序员忘记某些 API 的写法、语言语法，甚至无法在没有 AI 的情况下快速完成一个 CRUD 模块。
我更关心的是，当一个 Agent 提交数千行代码时，开发者是否仍然知道它为什么这么写、哪里可能出错，以及出现问题之后应该如何定位。
未来优秀程序员的核心竞争力，可能越来越体现在能够理解、验证和控制 AI 所生产的复杂系统。
不过我也有一个尚未确定的判断：随着 Coding Agent 进一步发展，今天我们强调的代码审查和人工判断，可能也会在很大程度上自动化。届时，程序员究竟需要理解多少实现细节，仍然是一个开放问题。
所以，我觉得 Nikita Bier 的那句话可以进一步改写成：
Does anyone still understand the code?
还有人真正理解这些代码吗？
这可能比“还有人记得怎么写代码吗”更值得讨论。