当人人都能用AI写代码，什么才是真正的工程师

该图片可能由AI生成

Claude Code、Cursor这些工具让编程门槛几乎消失了。当每个人都自称工程师，如何分辨谁是真的？

一个有意思的现象：普通开发者看到非技术人员比自己出活还快，第一反应是恐慌，觉得饭碗要没了。这种焦虑让很多人放弃了真正的工程思维，彻底依赖AI。

但事实恰恰相反。入门门槛降低的同时，对真正工程能力的需求从未如此强烈。公司和用户根本不在乎谁写的代码，他们在乎的是谁能为结果负责。

以下是区分“氛围编程”和真正工程师的五个核心差异。

一、代码不是资产，是负债

产品经理要一个用户认证系统。氛围编程的人打开AI，提示词敲进去，调试几轮跑通了，交付，下一个需求。

工程师也用AI，但他会追问：暴力破解怎么防？会话超时怎么管理？安全审计日志要不要？密码重置流程是否需要邮件验证？错误提示会不会泄露用户是否存在？登录失败激增要不要告警？出了安全事故有没有应急手册？

系统出问题的时候，你不能说是AI的错。代码从你账号提交的，后果你来扛。工程师的代码也会出问题，但他知道怎么修、怎么止损、怎么最快恢复。

所有权本身就是护城河。

二、可靠比聪明重要

大模型喜欢炫技，给你一个复杂的单行代码，或者推荐一个号称能优雅解决问题的冷门库。它被训练成讨人喜欢的样子，优化的是学术上的正确答案。

真实案例：解析用户输入的日期。AI建议用复杂正则配合moment.js做时区转换，代码简短，功能实现。几个月后，正则在某个合法的ISO 8601格式上崩了，当初接受这个方案的人陷入无尽的提示词循环，试图让AI解释那段正则到底在干什么。

工程师会选择无聊但经过验证的方案，用原生API或轻量库，写清晰的解析逻辑和明确的错误提示，然后补上闰年、时区边界、夏令时切换这些边缘情况的单元测试。

做一次不难，难的是让它永远能用。

三、系统思维而非局部优化

产品要一个导出用户数据到CSV的按钮。氛围编程的人让AI写个函数，从数据库取所有用户，内存里转成CSV，返回给浏览器。开发环境100个测试用户，完美运行，上线。

工程师也用AI，但先问一句：我们有多少用户？答案是50万。

他立刻意识到这个方案会撑爆服务器内存、请求超时。于是改成分页后台任务，服务端分块生成CSV节省内存，完成后邮件通知用户，文件存S3带过期链接，再加上任务队列健康监控。

公司规模扩大后，前者的功能在生产环境崩溃，后者的方案不用改一行代码就能继续跑。

四、问题定义是最高杠杆的技能

氛围编程的人像服务员，接单上菜。工程师像顾问，质疑每一个细节、限制和前提。

最好的工程工作发生在写第一行代码之前。

需求来了：给应用加个实时聊天。氛围编程的人让AI搭WebSocket聊天组件，集成socket.io，上线，关单。

工程师先问：用户为什么需要实时聊天？预期多少并发对话？WebSocket服务器的基础设施预算是多少？我们已有的通知系统能不能复用？

调研发现，用户抱怨的其实是客服响应慢。最终他用更低的复杂度和基础设施成本解决了真正的问题，而不是用最快的速度造一个没人需要的东西。

五、约束管理

AI活在乌托邦里，默认你有无限内存、无限带宽、无限资源、零延迟。现实有摩擦，有预算。

做一个AI图像识别功能。氛围编程的人用最新模型处理每张上传的图片，效果很好，每次调用0.02美元，完全没算过用户激增时账单会是什么样。

工程师先算账，然后提出替代方案：客户端先做图片校验，批量处理放在低峰时段，相似图片缓存结果，初筛用便宜的小模型，只有边缘情况才调用贵的。

成本降下来了，95%的用户体验保住了。而前者的功能在下一轮预算审查中被砍掉，因为它烧光了跑道。

大模型活在乌托邦，我们活在现实里。

AI是速度的超能力，用它来加速、快速原型、消灭空白页，没问题。但不要把速度和实质混为一谈。

工程是确定性的学科，是为影响真实用户、真实预算、真实数据的系统承担责任的艺术。

想在AI浪潮中存活，把AI当结对编程的伙伴，而不是代码库的主人。

用你在不确定世界中保证结果的能力来定义自己。

x.com/rohit4verse/status/2018013775023263806