写代码正在贬值，最贵的是问清客户要什么

AI 容易影响的岗位上，22 到 25 岁的就业水平比同龄人低 19%

2026 年的就业市场出现了一个不太好解释的组合。

斯坦福团队更新的数据显示，22 到 25 岁的年轻人在容易受 AI 影响的岗位上，就业水平比受 AI 影响较小的同龄人低了 19%，而一年前这个差距是 15%。这个差距还在扩大，原因在于企业减少了招聘，裁员并没有增加。斯坦福的作者用两类知识解释这个差别：一类是已经被写成文字的编码化知识，一类是只能靠实践积累的隐性知识，年轻人在前一类岗位上先受冲击，有经验的人在后一类岗位上反而有优势。他们也强调这是描述性比较，控制教育程度后差距会收窄，不能据此判定 AI 就是原因。

SignalFire 的 2026 年人才报告从企业一侧给出了对应的画面：大型科技公司的入门级招聘比 2019 年下降了 65%，早期创业公司下降了 75%。同一份报告里还有一个数字，工程岗位在总招聘中的比例从 46% 升到了 55%。这份报告没有公开样本和方法，企业人才报告本身也可能存在选择偏差。

两个数字放在一起才构成完整的故事。公司仍然需要工程师，只是不再需要那种拿到一张写好的工单、把代码敲出来的初级工程师；它们正在更激烈地争抢另一种人，那种能走进一家汽车零件厂、出来时手里拿着一份准确的“什么算好”定义的人。

npm 联合创始人 Laurie Voss 在 2026 年 9 月的一篇长文里，把这个变化推到了十年的时间尺度上。他的问题很直接：如果写代码的成本趋近于零，那“软件开发”这个职业还剩下什么？为了回答它，他先给出两条前提。第一条是，agent目前只擅长编写代码，软件开发生命周期里的其余环节，无论是评审、测试、修复缺陷，还是上线部署、监控和扩容，都还做得不好，不过他认为这只是暂时的。第二条是，软件需求没有上限，所以眼下的程序员过剩只是过渡状态。

他自己也说得很清楚，如果不认同这两条，后面的推演就不必再看下去。

造软件拆成八块，已经崩塌的那块是写代码

Voss 把制造软件的成本拆成八块，再分成四类。

第一类叫“已经崩塌”，只有一项：写代码。这曾经是整个流程里最贵的部分，整个行业围绕昂贵的程序员建立，其他岗位都在围绕他们转；大语言模型出现之后，这一项的成本已经塌了。

第二类叫“很快就会消失”，两项：代码审查和代码维护。代码审查还没有完全消失，但趋势很明确；维护包括找 bug、修 bug 和重构，agent 在这里取得了实际进展，水平还不够。

第三类叫“下一个被砍掉的”，两项：部署上线和扩容。部署在各种平台的帮助下成本已经下降了多年，他判断 agent 很快会接手；扩容很少有人讨论，却是成功软件开发的重要一环，目前还没有看到有人把 agent 用在这里。

第四类叫“可能安全”，三项：一开始该做什么、什么叫“好”，以及怎么让产品变得好用。第一项就是弄清楚客户真正想要什么，Voss 认为这是整份工作里最持久的部分；第二项是他在 AI 评估领域的日常工作，不通过问人，很难知道什么算好；第三项最不稳定，当前的 agent 设计还看不出这个能力，但他不确定以后也不行。

这个分类的核心逻辑很简单：agent 擅长的是那些已经被写下来、可以被描述清楚的任务，而那些只存在某个人头脑里、从来没有被写下来的东西，它碰不到。

平台侧的数字可以作为参照：GitHub 一年新增 3600 万开发者，提交量增长四分之一，平台上的合并请求自 2023 年以来约为原来的 3.5 倍，另有估计称仅 agent 每月就提交 1700 万个合并请求。

软件开发八块成本，各自处在哪一档

按 Voss 的四类分法整理；部署与扩容两档，他本人承认数据有限。

压力随即落到代码写出来之后的环节。

模型修缺陷逼近九成五，下一块失守的是评审和维护

接下来要失守的是评审和维护，能力曲线相当清楚。两年前，前沿模型在修复真实仓库真实缺陷的基准上只能做到一半左右，现在这个数字接近九成五，主要基准已经饱和到业界必须另出更难的题目；在抵抗训练数据污染的新基准上，最好的模型约为 59%，这些基准的名称、模型版本和样本规模都没有公开。这个分数还不够高，不过两年前的同一口径只有 50%，而那个水平很快就被超过了。

真实协作的数据也在往同一个方向走。一项研究追踪了 157 个开源项目里由 Claude Code 提交的 567 个 Pull Request（合并请求），其中 84% 最终被合并，略低于人类提交的 91%，另外超过一半的请求没有经过人工处理就合入了。安全侧也有类似的进展，Google 的 Big Sleep agent 在 SQLite 中找到传统 fuzzer漏掉、而攻击者已经掌握的内存破坏漏洞，此后又在 FFmpeg、ImageMagick 等项目中找到约 20 个同类问题。

真正的麻烦在于，能写却不会审，缺口正在扩大。GitHub 一年新增 3600 万开发者和四分之一的提交量，平台合并的请求自 2023 年以来约为原来的 3.5 倍，有人估计仅 agent 每月就提交 1700 万个合并请求。总得有人评审这些请求，但一项覆盖 33,000 个 agent 提交的研究发现，GitHub 上大多数请求，无论出自人工还是 agent，都没有留下任何评审记录；agent 的请求被评审时，58% 的情况下唯一的评审者是另一个 agent；这项研究目前只能读到摘要，33,000 的样本量和 58% 的比例都不在其中。开源社区的反应是收紧入口。curl 在 2026 年 1 月关闭了漏洞赏金计划，因为提交报告里真实缺陷的比例从 15% 以上跌到 5% 以下。这是单个项目的决策，不能代表整个开源生态，报告质量下滑也可能另有原因。

运维和扩容这一档几乎没有可用数据，只有一些更接近“操作系统”而非“修复缺陷”的基准，agent 的得分不到 65%，这也正是他所说的“逻辑上它应该是下一步”。

curl 收到的漏洞报告：真实缺陷比例的变化

写和审迟早会补上，剩下那三件一直没有动静。

「我需要跟踪订单」这句需求，能匹配一万种软件

当客户说“我需要跟踪我的订单”，符合这句话的软件有一万种。适合面包店的只有一种，适合汽车零件厂的是另一种，而唯一知道这位客户经营的是面包店的人，就是客户本人。

每一个软件最终都是对人类欲望的形式化。产品发现没法机械化，除非能够读心；这件事也没法训练进模型，因为这个信息不在训练数据里，而在一位从未把它写下来、被问起也说不清楚的面包店主脑中。必须有人把它从客户那里取出来，整理成足够精确、可以直接开工的描述，再回头确认做出来的就是客户的原意，而第一版几乎从来都不是。

更关键的是，产品决策没有规模效应。

类比规模效应像裁缝做衣服：工厂可以把裁布的成本压到零，但每位客人的尺寸、体型和偏好仍要单独量体，量体无法批量生产，因为它的信息源是每一个具体的人。

日历应用和排期应用解决的是大致相同的问题，它们对“好”的定义却几乎没有交集，两家面包店的问题也不会完全相同。一个堆满配置项却仍然干不了用户要干的事的软件，就是这个问题在现实里的样子，也是软件质量普遍不高的原因。

设计是相关但不同的一层，两个方案都能正确解决问题时，用户真正愿意长期使用的是其中一个。这一层和需求描述有相同的结构，都是按项目计价、不能复用，而且代码越便宜，这层判断越重要，因为当所有人都能做出正确的东西，剩下的竞争就在使用体验上。

当软件创建成本降到零，瓶颈就转移到对问题的描述上，而 Voss 的判断是，它会就此停在那里。

那它此前叫什么名字。

这不是新岗位：1963 年企业就雇人坐在业务和程序员之间

1963 年，迈阿密大学的一份备忘录把系统分析描述成一门全新的职业。那时候计算机刚出现，会写程序的人稀缺而昂贵，企业便专门雇一个人坐在业务和程序员之间，理解业务需要什么，再写成足够精确的规格，让程序员不必再与业务方沟通就能开工。

这个职位叫系统分析师，本质上是一个翻译层，它诞生于企业高管面对的文书负担，因为会写程序的人太贵，不可能同时承担沟通的工作。

后来软件走向商业化，尤其是面向消费者之后，翻译工作的形态变了。消费者不愿意参加需求评审会，希望直接拿到一个自己满意的产品，于是“理解他人需要什么”的角色，从访谈业务方的分析员变成了研究市场的产品经理。这条路径大致从宝洁的品牌经理，经 Intuit，再到微软。1980 年代末，一位名叫 Jabe Blumenthal 的程序员为 Mac 版 Excel 创设了 program manager 这个职位，因为总需要有人对 Excel 应该做成什么样负责。

此后二十五年，一门职业拆成了两门，产品与工程。Voss 的判断是它们正在合并回去，而这个角色在过去六十年里一直存在，只是换过两次名字。

同一份工作的六十年（据 Voss 的叙述）

报价已经出现，问题是人从哪里来。

同一个岗位十来个名字，平均总薪酬 24 万美元

这类岗位已经出现在招聘信息里，而且价格不低。Palantir 首创了“前置部署工程师”（forward deployed engineer）这个称呼，指的是坐到客户身边、弄清他们真正需要什么，并在客户自己的环境中、当着客户的面把方案做出来的人。这个角色原本是 Palantir 特有的做法。2025 年，这类岗位在九个月内增长约 800%；到上个月，一份统计显示 462 家公司有近一千个在招职位，其中包括 OpenAI、Anthropic、Databricks、Stripe 和 Google Cloud，Salesforce 表示要招聘一千人用于推广它的 agent 产品。

价格说明市场已经认可这件事：平均总薪酬约 24 万美元，资深职位超过 60 万美元。这是资深工程师的薪酬水平，因为这个岗位本质上就是资深工程师。同一个角色还以解决方案工程师、部署工程师、应用 AI 工程师、实施工程师等十来个名义招聘，因为出现的时间太短，名称还没有统一。

读完职位描述会发现，职责差不多是一位资深产品工程师：与客户共同界定问题、理解他们的业务、在并非自己搭建的系统里写生产代码、陪他们反复迭代直到能用。写代码在里面是最小的一块，而且恰好是 agent 承担的那一块。企业付 24 万美元，买的是能走进一家汽车零件厂、出来时手里有一份准确的“什么算好”定义的人。Voss 在这里主动提了一句自己的偏见：“先弄清要做什么，怎么做可以交给别人”也是他个人偏好的工作内容，而“所有工作都会被自动化，除了我这一份”是个常见的错误推论。

真正麻烦的地方在供给这一侧。Google 的 APM项目每年从约一万二千名申请者中录取五十人左右，Meta、Uber、LinkedIn、Salesforce 也有若干规模相近的项目，全部加起来，一年按计划培养的只有几百人，而他们练的正是前面说的那种能力。产品岗位的人大多来自意外转岗，或是编码工作的附带结果，或是从市场、咨询岗位转过来。

开发者的路径原本很清晰，招聘初级工程师写代码，由资深工程师评审，十年之间靠日常协作积累判断力，而这条路径已经中断，因为它的起点是“写别人会评审的代码”，agent 两件事都能做。另一侧，初级开发者的供给原本每年有数万人，现在正在急剧收缩。大学教数据结构，训练营教 React，没有人教“陪一位面包店主坐一周，带一份规格回来”。

他认为市场最终会自己解决，稀缺资源的价格会涨到有人愿意投入生产为止。IBM 已经在重新设计初级岗位，把重点从写代码转向接触客户和撰写规格；付 24 万美元招前置部署工程师的企业，迟早会发现内部培养更便宜。但这一切都会偏慢，中间会有一批人受到影响。

剩下的问题是时间，这些变化会在多久之内发生。

Voss 的判断：很多人说喜欢写代码，喜欢的是写之前那一刻

受影响的那批人，他没有给出安慰性的结论。很多人进入这个行业是因为喜欢这门手艺，喜欢干净的抽象，喜欢长时间未解的缺陷终于被定位，也喜欢让机器精确执行自己下达的指令。这些人并没有打算去访谈面包店主，有些人对产品管理没有兴趣，也有人像部分出色的工程师一样并不擅长这件事。他判断，把写代码当作一份有报酬的工作基本上已经结束，只在一些逐年收窄的细分领域还存在。这是实实在在的损失，对从业者是损失，对这个职业同样如此，因为品质判断正是从手艺里长出来的。

他给出的两句话谈不上安慰。第一句是，不少人以为自己喜欢的是写代码，其实喜欢的是在此之前的那一刻，一个模糊的问题在脑中变成精确的形状，那个瞬间现在成了工作本身，如果你属于这一类人，接下来几年行业会非常需要你。第二句是，手艺会像木工在家具厂之后那样保留下来，有人因为喜欢而做，偶尔拿到溢价，只是它不再是一份职业。

至于时间，他的预测偏悲观。需求先到，工具后到；初级岗位的通道先消失，替代它的机制还没有建立；许多喜欢这门手艺的人要重新判断自己是否喜欢替代它的那份工作。十年之后大致会稳定下来，从业人数比今天更多，收入水平相当，形态是产品工程。二十年之后他说无法判断，如果在那之前出现接近通用智能的东西，这些判断和所有关于工作的讨论都不再有意义。

他的收尾是一句面向同行的判断。我们现在都是产品工程师了，不管是否愿意，而其中很多人不会喜欢。