AI 时代，程序员最需要改变的，是对自己价值的认知
内容提要
AI降低编码成本，技术栈不再是可靠护城河。工程师应从写代码转向理解产品、用户与商业，培养创造力、产品判断力和对人的理解；同时摆脱旧成本模型束缚，尝试过去因成本过高而放弃的项目，追求更大价值。核心是成为有创造力的问题解决者，而非更高效的代码生产者。
延伸解读
技术护城河为何失效
文章指出，每次新模型发布都在降低编程语言和技术栈的相对价值。Scott 坦言自己越来越像管理 AI 的产品人员，对深度技术知识的需求下降。这并非否定技术，而是技术知识的用途从亲自编码转向判断方案、识别风险和验证结果。工程师若仍把竞争力押在技术栈上，可能低估了 AI 对实现环节的替代速度。
用新成本模型重估项目
Dan Luu 的实践表明，AI 让过去因成本过高而放弃的项目变得可行，例如正则表达式引擎、ripgrep 分支和 Rust 解释器。关键变化不是代码量，而是成本约束被重新定义。但文章也提醒，AI 生成的软件仍需严格测试和 Benchmark，缺乏清晰验收标准的复杂系统可能变成难以维护的黑盒。
从技术能力扩展到商业理解
Scott 建议工程师理解整个 Business Stack，包括产品、市场营销和销售。因为软件成功不只靠技术，还取决于是否解决真实问题、能否被用户发现和接受、是否有合理市场定位。当 AI 承担更多实现工作，程序员可以更早参与从发现用户问题到验证市场的全过程，技术能力需转化为用户价值和商业价值。
人类判断力仍是方向锚点
文章认为，AI 擅长模式匹配，但产品定位、创造力、让人愉悦、心理学和市场营销等人类问题没有简单标准答案。AI 可以分析评论、生成方案，但判断什么值得做、什么能打动人、什么能创造新需求，仍需人类对方向和价值作出判断。这要求工程师培养对人的理解和对现实世界的观察，而非只追求编码效率。
Q&A
为什么说技术栈不再是程序员的可靠护城河？
因为每次新模型发布都在降低编程语言和技术栈技能的相对价值，AI 正在接管越来越多的技术实现工作，仅靠技术栈建立竞争优势越来越不可靠。
AI 时代，软件开发的工作重心发生了怎样的变化？
工作重心从编写详细技术方案和编码，转向清晰描述用户故事、期望体验和验收标准；技术知识更多用于判断方案、识别风险和验证结果，而非亲自完成编码。
程序员为什么需要理解整个 Business Stack？
因为软件产品的成功不只是技术问题，还涉及产品、市场营销、销售等。理解 Business Stack 能帮助工程师更早参与产品创造，判断技术如何转化为用户价值和商业价值。
AI 降低了开发成本后，我们应该如何调整对软件项目的野心？
不应再用过去的成本模型限制想象力，应主动寻找新的困难问题，尝试过去因成本过高而放弃的项目，追求国家级、全球级甚至宇宙级的大尺度问题。
哪些能力是 AI 难以替代、程序员应重点培养的？
产品定位、创造力、让人感到愉悦、心理学、市场营销等人类问题相关能力。这些没有简单标准答案，AI 擅长模式匹配但难以真正理解人类感受。
Dan Luu 对 AI 时代的软件开发提出了什么建议？
他建议对软件拥有更大野心，重新审视过去因成本太高而不值得做的项目；同时提醒 AI 生成的软件仍需严格测试和 Benchmark，避免盲目追求规模制造难以维护的黑盒。
