我会被AI替代

我爱免费

作者：微信文章
“人们总是高估新技术在短期内的影响，而低估它们在长期内的影响。”- Roy Amara2022年底ChatGPT出现的时候，人们不以为然，说“这种连3.11和3.9哪个大都回答不正确的聊天机器人毫无用处”。这些人里面不乏商业领袖、学术明星或是科技精英。所以，智商更高、知道更多的知识、有更广博的见识，并不一定能使人在面对产业革命时，具有更深刻的理解。当时的我亦是如此，我认为随着大语言模型的发展，它会很快代替客服工作。毕竟它可以像人一样的做出答复了，不是吗？我没有想到的是它会如此快地改变我每天的工作与生活。

---

Welcome to the Agentic Age我是在今年的2月，随着Claude Code的发布，才突然醒悟过来的。虽然在之前我的生活已经被AI悄然改变了很多。起初，这个命令行的小工具很不起眼，甚至想要开始使用的过程也非常繁琐：需要开通Anthropic的开发者账号并充值，需要将自己的IP地址伪装成非中国大陆和香港澳门地区，还需要解决一些网络连接造成的不确定性的问题。但我第一次在一个我开发了2个月的项目目录中启动它之后，它将我带到了一个新的世界。如果你跟我一样，在一个团队里面做过软件开发任务（是的，虽然已经做了10多年的CTO，我还是非常喜欢自己参与到编码工作中），就会明白，当一个新的成员加入到团队中之后，他有多少的文档、代码需要查看，还需要多少的“导师”带领他从简单的任务入手，融入到团队的工作流程中。我没有告诉Claude Code任何的前置信息，它很快自主的完成了第一个任务，而过程中我只跟它说了：我觉得现在的配色不是很好看，请帮我重新设计一套配色体系。Bang！它搞定了，花了5分钟，和不到1美金的Token费用。

---

我们再也不需要初级程序员了自此之后，我便一发不可收拾。2月，20美金；3月，150美金；4月，160美金。我花在它身上的费用和时间越来越多。因为我发现，它的工作模式，和我招聘一个初级程序员的工作流程是几乎完全相同的：

我提出需求员工去实现我对代码进行code review重复2、3直到结果和代码质量满足要求，合并代码

在Claude Code中，也是一样的过程。其实这个过程早在GitHub Copilot上线的时候已经在发生变化了，只是当时我们只把它当作一个代码补全的工具，就好像Language Server做的事情一样。后来Cursor的出现，我也只是觉得它是更加聪明的Copilot，并没有意识到这已然带来了颠覆式的创新。所以，我们不再招聘初级程序员。

---

CTO是技术政治家正如本文标题所说的，我认为，对技术岗位的替代会从初级岗位开始，逐步走向更高级的岗位。我们想想高级技术岗位大体氛围3类工作内容：

首当其冲的是业务相关的，高级技术人员需要深刻的理解业务的逻辑和需求，从而组织研发。在对业务理解的基础上，高级技术人员需要设计技术组织的组织架构和制度，以匹配业务业务的需求。业务是C端应用或是B端应用；所在的业务领域是快速迭代创新为导向的，还是安全、正确、合规为导向的；这对于技术组织采用何种工作流程，何种组织架构都会有完全不同的答案。与此同时，不同的业务对于技术架构的需求也是非常不同的。对于并发性的要求，对于事务保证的需求，对于高可用的需求，对于信息安全的需求，对于合规的需求，对于性能的需求，对于用户体验的需求等等。这些差异化使得在架构设计的时候选择会非常不同，这也是高级技术人员要做的决策。

我不记得在哪个访谈中看到的这句话：CTO是技术政治家。深以为然，高级技术人员关心的不光光是技术本身，他还需要关心业务，关心组织，关心人。在地缘政治愈演愈烈的当下，可能还需要关注供应链安全。

---

那么在这些决策过程中，AI可以替代高级技术人员的工作了吗？还不行。一方面，LLM的上下文窗口有限，对于复杂的大问题，它很容易“失焦”，你会发现跟他说过的东西，在后续的对话中，似乎被忘记了；另一方LLM的幻觉问题仍然阻碍了他们在复杂项目中输出精确的结果。我相信各位都体会到了大语言模型在“一本正经的胡说八道”这件事情上的统治力。不知道多少CTO跟我一样，对于自己不是特别熟悉的领域，现在默认的开始动作已经是问ChatGPT。现在的大语言模型已经不是单纯的Chatbot，其实都已经内置了大量的工具，实际上是一个Agent。它会利用大量的工具（比如web search，python沙盒）来满足用户的需求，总是能结合它训练时的海量信息储备和最新的信息来提供更加完善的答案。我的观察是，在模型基座的赛场上，大家通过大量工程化的方法，在解决这些问题。在DeepSeek刚刚发表论文的时候，我的朋友们问我，这会不会导致将来大语言模型的训练变得更便宜了？我说，会也不会。会的是，如果以静态的眼光看待这个问题，那么当前智能水平的大模型会变得很便宜；不会的是，这是降低训练成本和提高训练效率的方法，现在的头部玩家们，一定会汲取经验，去快速推出更大上下文窗口的模型。我不知道OpenAI、Google有没有使用这样的方法，但是可以看到的是他们最近的新模型都大大扩展了上下文窗口。与此同时，我们看到大家引入了MoE（多专家模型），引入了CoT（思考链），引入了Tools（Agent），引入了RAG（检索增强生成）。甚至包括了，使用更大更贵的模型来反思小模型的推理过程和结论。这些手段都大大提高了大模型的实用性，也是使得他们在诸如编程这样的领域中大放异彩的原因。所以，我的观点是，随着相关技术的进步，这一天终究是会来的。

---

和AI共同成长在一场技术革命来临的时候，可能最无用的两个动作，一个是试图螳臂挡车，就像工业革命开始时，工人试图破坏机器，另一个就是持续的恐慌而无所作为。在2021年的时候（那时候还没有ChatGPT），我曾经思考过一个问题，就是30年之后，这个世界需要怎么样的人才。最后，我给我自己的答案是，需要的是充满好奇心的人。工业革命的时候，能积极学习机器的操作技能，甚至是机器的维修保养技能的人，他们会随着产业革命的步伐快速成长。同样的道理，在信息化时代，首先学会使用Excel的人，会比只会揿计算器的老会计成长的快。在AI浪潮的时代，我们还可以庆幸的是，它们现在还无法直接替代我们。能熟练使用AI，反而使得我们具备了更强的竞争力。拥抱AI几乎是技术人的唯一出路。