OpenAI和Anthropic憋了3年

2024年11月，两个AI实验室的代码模型同时跨过了一道隐形门槛。之前你让AI写代码，得到的是"能跑，但得盯着"；之后变成"告诉它要啥，基本就能用"。

这个转变有多快？快到连天天写代码的人都懵了。有人开始一天产出1万行代码，而且"大部分能用"。

从"玩具"到"能用"的临界点

Simon Willison在Lenny Rachitsky的播客里把这个节点叫"拐点"（inflection point）。OpenAI的GPT 5.1和Anthropic的Claude Opus 4.5，两个模型都没搞什么发布会级别的噱头，但代码质量突然从"需要高度警惕"变成了"基本靠谱"。

他打了个比方：以前你让AI做个Mac应用，回来的是"一堆跑不起来的垃圾"；现在你能得到"一个确实能做那件事的东西"。

这个差别不是程度问题，是性质问题。

代码有个特性帮了大忙——它对错分明。能跑就是能跑，报错就是报错。不像写 essay 或准备诉讼材料，好坏难量化。AI先冲击程序员，某种程度上是因为代码是最容易验证的试验田。

但Willison提了个尖锐的问题：一天1万行代码，"大部分能用"，这算好事吗？怎么从"大部分"进化到"全部"？

"氛围编程"正在分裂职场

Willison自己成了极端案例。他现在大量代码是在手机上写的，Claude的iPhone应用，遛狗时在海滩边敲。聊天界面能直接执行代码，或者远程控制Claude Code for web。

这种工作流被他归类为"vibe coding"——氛围编程，凭感觉写，能跑就行，反正只有你自己承担bug的后果。

但氛围编程和正经工程的分界线正在变得锋利。Willison的原话是：

「如果你给自己写点东西，bug只伤害你自己，随便搞。但一旦涉及别人——同事、用户、任何外部人——标准就完全不同了。」

这个张力正在重塑软件团队的结构。以前写代码占掉大部分时间，现在那部分被压缩了。剩下的时间干什么？审AI生成的代码？设计更复杂的系统？还是干脆团队缩水？

程序员成了其他知识工作者的"金丝雀"。代码的验证成本最低，所以AI冲击先来这儿。律师、分析师、咨询师的路数会不一样，但方向大概率相似。

法律行业已经踩坑了

Willison顺手扔了个数据：AI幻觉诉讼案例数据库已经攒到1,228起。律师们正在用AI准备材料，然后被虚假判例引用坑进法庭。

代码至少会报错。法律文书的错误可能潜伏几周才被发现，而且代价是当事人的案子或律师的执照。

播客开头有个冷启动片段值得注意。以前你用ChatGPT要代码，它吐出来，你得自己跑测试。现在的coding agent把测试这一步也包了——生成、运行、迭代，闭环完成。

Willison的开放问题是：还有多少知识工作领域适合这种"agent loop"？

代码有编译器当裁判。营销文案、财务模型、医疗诊断，谁来当这个裁判？标准模糊的领域，AI代理的迭代循环可能越跑越偏，而且没人及时发现。

10,000行代码之后

Willison的1万行代码日产能，按传统标准看是疯狂的。但产能数字本身正在失去意义——如果代码是AI写的，"写得多快"还重要吗？

更有价值的指标可能是：多少代码不需要返工？多少系统能一次设计对？多少时间花在定义问题而非解决问题？

软件工程的职业身份也在松动。以前是"写代码的人"，现在可能是"指挥AI写代码的人"，或者是"判断AI写的代码能不能用的人"。后两种角色的技能树完全不同。

播客里没给答案，只有观察。Willison说他自己也在摸索，团队怎么重组、职业怎么规划，都是进行时。

但有个信号很明确：其他行业的信息工作者，该盯着软件工程师现在的处境了。代码是前哨，你们是主战场。问题是，你们有编译器吗？