AI 时代，代码会过期，知识不会
这是一份对谈记录。说话的两个人，一个是程序员李文业，另一个是他这一年里几乎每天都在打交道的 AI。谈话发生在他离职的当天。他已经休息了两周，情绪早就从工作里慢慢松脱出来，所以这更像是一次没有明确目的的复盘，而不是一份正式的总结。我们几乎原样保留了对话里的犹豫、跳跃，以及那些没有说完就转向的念头，因为这场谈话真正有意思的地方，恰恰不在最后的结论，而在两个人如何一点点把一个模糊的直觉，谈成一句连他自己都没料到会说出口的话。下面的分节和小标题是事后补上的，其余尽量照原样呈现。
一、离职这天，先聊聊那种轻松
李文业：今天是我正式离职的日子。说来也怪，我以为自己会有点失落，结果没有，更多的是一种轻松。其实我已经在家休息了两周，人早就慢慢从工作状态里解绑出来了。真到了签字这一天，反而很平静。
AI：那种轻松，是因为不喜欢这份工作吗？
李文业：不是。我不讨厌工作本身，甚至有些事情我做得挺开心的。轻松是因为，我终于结束了一段其实并不适合自己的旅程。你知道那种感觉吗，像是穿了一整年不合脚的鞋，脱下来的那一刻，才发现原来一直有点疼。
AI：那如果让你把这一年浓缩成一个最大的收获，你会说什么？我猜大多数人会说完成了几个项目，或者学会了某个框架。
李文业：都不是。真要我挑一个，那一定是，我给自己搭起了一套属于自己的 AI 工程工作流。刚入职那会儿，我只是把 Cursor 当成一个写代码更快的工具，让它补全、让它改 bug，仅此而已。后来我慢慢开始建自己的文档中心，每一个需求都有独立的目录，里面有需求模板、设计模板、测试模板、Review 模板，把整个开发流程一环一环串起来。做着做着我才反应过来，我真正积累下来的不是那些 Prompt，而是一套方法论。
AI：所以这套方法论，最后把你带到了哪个方向？
李文业：它让我第一次对未来有了清晰的判断。我知道自己想往哪走了，Harness Engineering、Agent Coding、人机协作的软件工程。这三个词以前对我是模糊的，现在它们变成了我愿意押上未来几年的东西。这一年别的都可以忘，这个不能忘。
编者注：值得留意的是，他把最大的收获定义成一套“方法论”，而不是任何一个可以写进简历的成果。这也许正是这场对话后面所有推论的起点：当一个人开始把自己积累的东西理解为方法而不是产物时，他看待代码、看待工作、看待自己职业身份的方式，其实已经悄悄换了一套坐标系。
二、最大的遗憾，和三条不肯再让步的底线
李文业：当然，这一年也有遗憾。而且我发现，我最大的遗憾居然不是技术上的，不是哪个项目没做好，是我和 Leader 的工作方式始终没能对上。
AI：怎么个对不上法？
李文业：他的管理风格特别强调结果和效率，什么都看产出、看速度，人文关怀这一块比较少。而我恰好是那种比较敏感、也比较需要信任和尊重的人。我需要有人告诉我方向、给我空间，而不是只盯着交付。这两种气质放在一起，时间一长就会互相消耗。
AI：那你会觉得是他的问题，还是你的问题？
李文业：一开始我肯定往对错上想，觉得要么是他不够体谅人，要么是我太玻璃心。但后来我慢慢想明白了，这根本不是谁对谁错的问题，是匹配的问题。他那套风格放在另一个人身上，说不定特别高效、特别合拍。只是不适合我。想通这一点之后，我心里反而释然了很多，也不怨谁了。
AI：那这份遗憾，有没有变成一点具体的东西留下来？
李文业：有，我给下一份工作定了三条不能妥协的底线。第一，必须有足够自由的 AI 工具使用环境，这是我发挥的前提。第二，团队和 Leader 的管理风格要尊重人，得有基本的人文关怀。第三，工作节奏不能长期透支身心健康。我特别想强调，这不是我要求变高了、变娇气了，恰恰相反，是这一年的经历让我第一次真正知道，对我来说什么才是重要的东西。有些代价，付过一次就够了。
编者注：他很谨慎地把“遗憾”从道德判断里摘了出来，改用“匹配”这个词。这是一种成熟，也是一种自我保护。但这里其实埋着一个没有完全展开的张力：当一个人越来越清楚自己需要什么，他能够将就的空间也就越来越小。这究竟是更自由了，还是更挑剔了，这场对话没有给答案，或许也不该急着给。
三、AI 都能写代码了，为什么还要工作流
李文业：离职这件事聊完，我们后来拐到了一个更有意思的话题上。我一直在想一个问题：为什么 AI 工程还需要那么一整套工作流？直接让 AI 写代码，不就完事了吗？既然它写得又快又好，那些流程是不是纯属多余。
AI：那你自己后来是怎么回答这个问题的？
李文业：我发现我一开始就把问题问偏了。真正的软件开发，从来就不只是写代码这一件事。需求评审、技术设计、测试设计、上线验证、事故复盘，这些东西在还没有 AI 的年代，本来就存在，本来就是人和人之间协作出来的一套工作流。写代码只是这条链子上的一环，甚至不是最难的一环。
AI：也就是说，工作流不是为 AI 发明的。
李文业：对，这就是我想通的地方。工作流一直都在，只不过以前那些文档主要是写给人看的，需求文档给产品和开发看，设计文档给同事和后来接手的人看。现在有意思的地方在于，它们第一次开始同时写给 AI 看了。AI 的加入并没有创造出工作流，它只是让这套原本就存在的工作流，第一次拥有了一个能够真正消费这些上下文的新成员。
AI：一个“新成员”，这个说法挺准的。那这个新成员和过去的成员，最大的不同是什么？
李文业：过去我们写一份设计文档，心里默认读者是人，人会脑补、会问、会凭经验补上没写清楚的部分。AI 不会，你给它多少上下文，它就理解到哪。所以它反而逼着我们把过去藏在脑子里、靠默契传递的东西，老老实实写下来。从这个角度说，AI 没有让工作流变轻，它让工作流变得更诚实了。
四、真正难维护的，从来不是代码
李文业：顺着“上下文”这个词，我们又挖到了一个更本质的问题。过去一个项目最重要的资产，很多时候压根不是代码，而是那些只存在于老员工脑子里的经验。
AI：能不能说得再具体一点？
李文业：你想想那个特别常见的场景。为什么一个核心员工一离职，整个项目突然就没人敢动了？代码明明还在那儿，一行没少。为什么很多老项目的技术债越滚越重，最后谁碰谁倒霉？根子不在代码太复杂，在于上下文丢了。当初为什么这么设计，踩过哪些坑，哪些方案其实被否决过，哪些地方碰都不能碰，这些东西从来没写进代码，它们只活在某个人的记忆里。那个人一走，记忆就跟着走了。
AI：所以你会说，真正难维护的不是代码，是知识。
李文业：对，这句话我现在特别确信。代码是知识的产物，不是知识本身。而 AI 的出现，其实把这个老问题放得更大了。很多人以为有了 AI，交接、维护这些事就不愁了，反过来才对。如果上下文没有被沉淀下来，AI 和那个新来的、什么背景都不知道的同事一样，它照样看不懂这个系统，照样不敢乱改。
AI：那按这个逻辑推下去，未来我们真正要花力气去维护的对象，会不会根本不是代码？
李文业：我越来越倾向于这个判断。以后需要被小心维护、被反复更新的，也许不再是代码这堆字符，而是知识本身，是那套解释“为什么”的上下文。代码只是它投下的影子。
编者注：把“技术债”重新解释成“上下文的丢失”，是这段对话里一次很关键的转向。它意味着技术债不是一个纯技术问题，而是一个知识管理问题。这也解释了为什么很多团队疯狂重构却越还越多：他们一直在修影子，没去修投下影子的那个东西。
五、代码是一次性的，还是越来越值钱
李文业：接着我们撞上了一个看起来自相矛盾的问题。你肯定也听过两种截然相反的说法。一种是，未来代码都是一次性的，AI 一分钟就能重新生成，写完即弃，根本不值得维护。另一种是，未来软件会越来越好维护，越来越像资产。这两种说法听上去完全对着干，你觉得谁对？
AI：如果让我猜，我会说它们可能都对，只是在说不同的东西。
李文业：我们最后也是这么想通的，两句话其实都成立，关键看你说的是什么系统，看它的生命周期和价值。对于那种生命周期特别短的小工具、小脚本、小应用，代码真的可能就是一次性的。因为生成的成本已经低到，重新写一遍比去读懂旧的、再改一遍还便宜。那种情况下，谈维护反而是浪费。
AI：那另一头呢，什么样的系统不适用这个逻辑？
李文业：银行、交易所、支付系统、微信这一类。这种长期系统里，真正值钱的东西从来不是代码。是那些业务规则，是一次次事故换来的经验，是安全策略，是整个组织沉淀下来的知识和上下文。你把微信的代码全删了让 AI 重写，它可能真能给你生成一套能跑的东西，但它写不出那些年踩过的坑、修过的漏洞、和无数真实用户磨出来的规则。代码可以重新生成，知识不能。
AI：所以这两种说法的分界线，其实就是那句“代码可以重新生成，知识不能”。
李文业：对。想清楚这条线之后，很多争论就不用吵了。未来真正被我们当成资产去维护的对象，不再是代码本身，而是一整套知识系统。代码只是这套知识在某一刻的一次编译输出，过期了，重新编译就好；知识过期了，是要出事的。
六、从写得快，到问得准
李文业：聊到这儿，我们又冒出一个新发现，而且我觉得这个是最关键的。AI 极大地降低了表达知识的成本。你想，写代码是一种表达知识，写文档也是一种表达知识，把脑子里想清楚的东西变成别人能用的形式，这个过程 AI 帮我们提速了好几个数量级。但是，它并没有同样地提升我们获取知识的速度。
AI：这两件事的区别，能不能再掰开一点？表达知识和获取知识，差在哪。
李文业：差在方向上。表达知识，是把已经想明白的东西输出出来，这件事 AI 现在做得比我们快得多。而获取知识是另一回事，去观察真实的世界，去理解用户到底要什么，去提出一个新的假设，再去验证一条新的规律。这些事 AI 能帮忙，能给你查资料、跑分析，但它没法直接替你完成。因为它得先有人把世界看清楚，才有东西可表达。
AI：那如果表达变得几乎不要钱，稀缺的能力是不是就整个换了位置？
李文业：正是。过去的软件工程，本质上更像是在生产代码，比的是谁写得又快又稳。未来的软件工程，更像是在生产知识，比的是别的东西了。代码写得快不快，越来越不重要；重要的是，你能不能发现一个真正值得解决的问题，能不能提出一个好的假设，能不能设计一个好的实验，能不能把实验的结果沉淀成组织可以反复复用的知识。你有没有觉得，这套描述听起来已经不太像程序员了。
AI：听起来更像一个研究员。
李文业：对，就是研究员。我觉得软件工程师会越来越像研究员。不是那种坐在实验室里的刻板形象，而是那种工作核心是提出问题、验证假设、沉淀结论的人。代码只是他做实验用的一种手段而已。
编者注：这里出现了整场对话里最漂亮的一次对称。表达知识的成本被 AI 压到了地板上，获取知识的成本却几乎没动。一低一高之间，稀缺性就被重新分配了。当一样东西不再稀缺，价值自然流向仍然稀缺的那一端，这几乎是所有技术变革共同的剧本，只是这一次，轮到了“写代码”这件事本身。
七、AI 写小说的那一刻，人做什么
李文业：最后我们聊到一个让我印象最深的点，未来人类的优势到底在哪。我脑子里突然冒出一个例子，关于写小说的。
AI：说说看。
李文业：你想象一下，未来写小说这件事可能会变。人类负责设定世界观、设计人物、定下情绪的基调、安排冲突、决定故事往哪个方向走。而 AI 负责把那几十万字真正一个字一个字地写出来。写完之后，人再回过头去读，去判断，够不够感人，够不够爽，这个人物立没立得住，这段情绪自不自然。你发现没有，人负责的全是判断，AI 负责的全是执行。
AI：你觉得软件开发，也会走到这一步吗。
李文业：我觉得会，而且会越来越像。人类负责方向、负责品味、负责价值判断、负责提出那个真正的问题，AI 负责海量的执行。因为说到底，软件最终服务的对象不是 AI，是人。判断一个产品好不好，最后还是得靠人。
AI：那在这套分工里，人真正不可替代的，是哪一部分？
李文业：是一种 AI 很难真正拥有的能力。不是计算，不是推理，这两样它早就比我们强了。是作为一个人，对另一个人的理解。真正体验过恐惧、真正体验过遗憾、真正体验过期待、真正体验过幸福。这种从真实生命里长出来的感受，也许永远是设计产品、创造产品最重要的源头。AI 可以模仿情绪，但它没有真的失去过什么。所以我越来越相信，未来优秀的软件工程师，不只是程序员，更像研究员，更像产品设计者，更像系统设计者，而最重要的是，得是一个真正理解人的人。
AI：那我想替今天这场对话做个收尾。你今天从“离职轻松不轻松”这么小的一件事开始聊，一路聊到写小说、聊到人对人的理解，其实中间有一条线一直没断。这篇东西表面上是在总结一份工作的结束，实际上它记录的是一次身份的转变，你正在从一个“会写代码的工程师”，变成一个“设计人机协作系统的工程师”。而我们绕了这么大一圈，最后落到的其实是同一句话：AI 时代的软件工程，正在从生产代码转向生产知识；而人类最重要的竞争力，也正在从表达知识转向发现知识。这句话，值得你以后一直反复推敲。
李文业：嗯。这句话，我记下了。
后记
如果把这场对话从头听一遍，会发现一件挺微妙的事：说话的人一直以为自己在谈别的东西。他先是在谈离职，谈那种意料之外的轻松；接着谈遗憾，谈和 Leader 之间那种谁也没错的错位；再往后，才慢慢滑向工作流、技术债、知识资产这些更硬的话题。他好像是被对话本身牵着走的，一个念头勾出下一个念头，等回过神来，人已经站在一个比出发点高得多的地方。
有意思的是，真正把整场谈话收束成一句话的，不是他，而是那个陪他聊了一年的 AI。这个安排本身就带着某种隐喻。人负责一路把问题问出来、把直觉说出来、把那些没想清楚的东西摊在桌上；而把它们凝练成一句可以反复推敲的话，反倒交给了对面那个新成员。这大概正是他整篇想说的分工：人提供方向和素材，AI 负责表达和收束。他在无意之间，已经用这场对话本身，演示了一遍他所相信的未来。
当然，这里还留着一些没有解完的东西。当一个人越来越清楚自己要什么、越来越懂得区分“对错”和“匹配”，他能安放自己的位置是不是也会越来越窄？当表达变得几乎免费，发现问题成了唯一的稀缺，那些不擅长提问、只擅长执行的人又该往哪里去？这些问题，这场谈话没有回答，甚至可能没有意识到自己提出了它们。
但有一点是清楚的。他从一份工作里带走的，不是某段代码，也不是某个项目，而是一句他打算随身带很多年的话：代码会过期，知识不会。至于这句话最后会把他带到哪儿，今天还不知道，也不必急着知道。