Dario 说 AI 会写 90% 的代码，包括 Codex 团队也说它们大部分代码都是 Codex 完成的，这很容易造成一种误解：“软件工程师的岗位要被 AI 取代了”，但实际上并不完全是这样的，只是说明软件工程师工作的方式正在升级，对技能的要求也不一样了。

几个简单的方法可以判断：

• 看 Anthropic、OpenAI 这些 AI 模型公司是不是还在大规模招聘软件工程师；
  
• 看一个初中级程序员能不能用 Claude Code 或者 Codex 写出 Claude Code。
  
  因为代码行数并不代表代码的价值，真正有价值的是专业人士基于业务需求用 AI 生成的并审查的代码。
  
  实际上我自己的开发方式已经发生了很多变化：
  
• 琐碎的事情几乎 100% 让 AI 完成，比如写自动化测试代码，比如一些提升效率的脚本
  
• Bug 让 AI 去修复，人工审查，验证
  
• 原型开发，完全由 AI 实现
  
• 人工设计完，让 AI 去实现一个模块，而不是从头手写代码，也不是以前那种和 AI 结对一边写一边确认的方式，而是完全 AI 去写
  
• AI 写完代码，先让 AI Review 代码，然后人工 Review，再合并
  
• 一些复杂的算法、POC，让 AI 帮我实现（我自己没能力或者没精力实现的），现在最新的 Codex 已经能帮我搞定一些复杂的技术问题了
  
  一个凭感觉的对我自己量化的对我开发效率影响的数据：
  
• GitHub Copilot 第一版的自动完成：效率提升 10%
  
• Cursor： Tab + Chat 模式提升 30%+
  
• Cursor：Edit 模式 提升 50%+，不需要手动复制粘贴代码
  
• Claude Code：提升 100%+，第一个真正能用的 Coding Agent，很聪明，相对不够稳定
  
• Codex（GPT-5-Codex high）： 提升 120%+，速度慢，但是结果很稳定，bug 少
  
  也就是说现在借助 AI 辅助，我的开发效率至少提升一倍以上，这个进化速度确实惊人，超乎我的想象，如果你翻看我一年前的看法，当时我是没有这么乐观的。
  
  但也不要忽视这样效率的提升背后需要的条件：
  
• 需要懂代码：算法、数据结构、语言等等
  
• 需要一点技术管理经验：会对复杂任务分解拆分，管理多个 AI Agents 协作
  
• 提示词工程：能用提示词把想要 AI 实现的功能或者解决的问题描述清楚
  
• 代码和架构是 AI 友好的：对于 AI 训练丰富的代码 AI 生成是擅长的，如果都是内部的库或者使用量很少的编程语言或类库，AI 生成效率要大打折扣
  
  这也意味着想要最大化的发挥 AI 编程的效率，本身需要有一定的软件开发经历，另一方面还要去学习 AI 相关的一些知识，去改变自己的一些使用习惯。
  
  虽然说 AI 无法取代软件工程师，但可以看见有了 AI 辅助，软件工程师效率是能大幅提升的，至于这带来的连锁反应，比如团队会少招人，比如新人机会更少，这些确实也是在实实在在发生的事情。
  
  未来会怎样？谁知道呢！