福建
快速阅读：AI 正在让“写代码”这件事变得廉价，但它并没有让“解决问题”变得容易。当领域专家开始利用 AI 构建工具时，真正的门槛正从“如何实现”转向“如何定义”以及“如何判断对错”。
作者声明：该图片由AI生成
写代码从来就不是最难的部分，难的是搞清楚到底要解决什么问题。
最近看到不少讨论，都在争论 AI 时代下，所谓的“领域知识”是不是最后的护城河。有人觉得只要懂业务，拿着 AI 就能像拿电钻一样快速盖起一座大楼。但现实往往是，这种所谓的“氛围感编程”（Vibe Coding）盖出来的房子，地基是歪的，承重墙也是乱建的。
有个很有意思的例子：一个不懂开发的业务专家用 AI 写了个菜单系统。从业务逻辑看，它能跑通，甚至能通过测试。但看一眼底层数据结构，简直是灾难。他为了实现“每样菜都有特定配料”的功能，没有用数组，而是给每个配料都设了一个独立的布尔开关。这种设计在初期看起来没问题，但只要菜单稍微变动，整个系统就会因为缺乏扩展性而迅速崩塌。
这说明了一个问题：AI 确实能把“打字”的速度提升几个数量级，但它无法替代“设计”的判断力。
有网友提到，领域专家如果缺乏 QA（质量保证）思维，即便有 AI 辅助，也只会制造出更多难以维护的“屎山”。这就像给一个不懂建筑力学的搬运工配了一台最先进的电动钻头，他确实干活快了，但盖出来的房子可能随时会塌。
现在的局面很微妙。软件工程师的身份正在发生漂移，从单纯的“实现者”变成“平台工程师”或“守门员”。你的价值不再是写出那几行 CRUD 代码，而是去建立护栏、编写验证逻辑、并在 AI 产出的海量结果中，精准地识别出那些隐藏在 UI 界面之下的设计缺陷。
也有人悲观地认为，如果趋势持续下去，所有的专业知识最终都会被数据吞噬，所有的护城河都会消失。但这取决于我们如何定义“专家”。如果专家只是知识的搬运工，那确实危险；但如果专家是那个能定义问题、拆解系统、并对最终结果负责的人，那他依然是不可或缺的。
现在的分水岭在于：你是那个指挥 AI 盖房子的人，还是那个试图通过不断向 AI 提问来掩盖自己对地基一窍不通的人？
www.brethorsting.com/blog/2026/05/domain-expertise-has-always-been-the-real-moat/
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
