这个问题现在听起来几乎很天真。
如果人工智能可以生成应用程序、修复错误、编写函数、审查拉取请求、解释不熟悉的代码库以及一次跨文件工作几个小时，那么为什么还有人要学习编码呢？
这是一个可以理解的问题。在过去的一年里，软件世界见证了编码代理从令人印象深刻的演示转变为日常工作流程。开发人员不再仅仅向聊天机器人寻求语法方面的帮助。他们委派任务、比较输出、监督代理，并在离开键盘时唤醒编写的代码。
与此同时，编码不再只是开发人员的对话。创始人在雇用技术团队之前使用人工智能工具来制作产品原型。产品经理用它们来测试想法。设计师使用它们来使界面具有交互性。操作员使用它们来自动化内部工作流程。创建软件的能力正在扩展到传统上自称为软件工程师的人们之外。
因此，更好的问题可能不是人们是否仍然应该学习编码。
这就是“学习编码”现在的含义。
旧的答案主要是关于语法、框架和逐行构建软件的规则。这仍然很重要。但人工智能正在改变重心。价值正在走向判断：知道要构建什么、如何描述它、系统需要什么上下文、输出是否良好以及风险隐藏在哪里。
换句话说，未来的编码可能会减少打字。
但这需要更多的理解。
Vibe 编码到实际工作
这种转变在今年的 SXSW 上与 Bolt.new 和 Anthropic 的会议中可见一斑。这次谈话并不是关于人工智能编码的幻想版本，即一个人写下一句话，就会出现一个完美的产品。这是关于更成熟的事情：代理编码工具如何从有趣的原型转变为真实的公司工作流程。
Bolt 成为新人工智能编码浪潮最明显的例子之一，因为它让软件创建变得即时。用户可以描述一个应用程序并快速看到屏幕上正在运行的东西。这段经历帮助普及了“氛围编码”的语言，这个短语既捕捉了当下的魔力，也捕捉到了危险。
但在 SXSW 上，Bolt 首席执行官 Eric Simons 描述了一个更加结构化的用例。他说，Bolt 的价值通常是“快速原型设计”。而不是取代生产代码库。不让每个员工直接向客户发货。相反，它为团队提供了一种在投入工程时间之前探索功能的外观、感觉和行为方式的方法。
这种区别很重要。
在很多公司，瓶颈不仅仅在于写代码。这是对齐。产品团队、设计师、管理人员和客户通常需要看到和触摸一个想法，然后才能决定它是否值得构建。人工智能工具使探索速度更快。但更重要的机会是将这些原型连接到公司已经使用的系统。
西蒙斯描述了一个工作流程，其中 Bolt 可以与公司的实际设计系统、UI 组件和 API 形状配合使用，因此原型不仅仅是一次性的模型。一旦体验被锁定，Claude Code 等编码代理就可以帮助将工作转化为更接近生产环境的东西。
重要的部分是切换。非工程师也可以在沙箱中形成想法。工程师仍在保护生产系统。代理人成为两者之间的桥梁。
这与“人工智能取代开发人员”的故事截然不同。更接近的是：人工智能改变了谁可以参与软件工作，并且改变了开发人员的需求。
上下文正在成为新技能
这也是为什么谈话已经超越了即时工程。
几年前，围绕人工智能工具的大部分建议都集中在提示上：如何表达指令、如何构建请求、如何从模型中得出更好的答案。这项技能仍然有一定的价值，但随着模型的改进，它变得不再那么重要。
现在更强有力的模式是背景。
Anthropic 的发言人将“技能”描述为一种向特工提供有用知识的方式，他们可以在需要时调用。团队可以让代理访问正确的文档、规则、示例和工作流程，而不是强制将每条指令都变成一个完美的提示。
对于公司来说，这才是真正工作开始的地方。一个有用的编码代理不仅仅需要一个请求。它需要了解围绕请求的环境：设计系统、代码库、测试文化、安全期望、产品逻辑以及使一家公司的软件与另一家公司的软件不同的惯例。
有人必须知道什么背景是重要的。
有人必须知道代理是否使用了正确的组件，是否遵守了正确的约束，或者做出了会在以后产生问题的决定。
了解系统的人会变得更有价值，而不是更少。
编码面试已经发生变化
同样的演变也开始出现在招聘领域。 SXSW 会议最有趣的部分之一不是关于工具，而是关于人才。
西蒙斯表示，博尔特在过去六个月中聘用的“一些最了不起的人”要么没有通过旧的技术面试，要么只有在公司改变流程后才能通过。他说，他们之所以与众不同，是因为他们“使用代理工具来完成工作。”
这并不意味着技术面试已经消亡。这意味着信号正在改变。
博尔特现在询问候选人他们使用哪些人工智能工具以及如何使用它们。重点不在于是否有人能说出流行产品的名称。而是他们是否真正对它们进行了足够深入的探索来构建一些有意义的东西。
正如西蒙斯所说：“向我们展示您构建的内容，向我们展示它是如何工作的。如果它是真实的，那么好吧，这个人可以完成这项工作。”
这感觉更接近现在的工作现实。如果人工智能工具是工作的一部分，那么评估候选人就好像这些工具不存在一样，这样的情况是不完整的。但反之亦然。如果有人在不了解人工智能产生了什么的情况下使用人工智能，那就不是流畅性。这是依赖性。
人类方面的谈话保持了这种紧张气氛。该公司仍然使用至少一次面试，候选人在没有人工智能帮助的情况下工作，阅读和编写一些Python。但目标不是测试晦涩的语法技巧。这是为了看看某人是否能够理解模式、调试代理并通过系统进行推理。
这可能是新的平衡：与代理的流畅性，加上足够的技术深度来知道他们何时出错。
那么，人们还应该学习编码吗？
是的。但这并不是因为每个人都需要成为传统的软件工程师。
他们应该学习，因为软件越来越成为完成工作的表面。即使人工智能写出了初稿，人们仍然需要了解正在创建的内容。他们需要知道什么时候某些东西是脆弱的，什么时候是安全的，什么时候是可扩展的，以及什么时候它只是在演示中看起来令人印象深刻。
西蒙斯直接指出了这一点。 “现在编写软件可能是一个较小的问题，”他说。 “但是审核怎么样？我们如何扩展它？”
这可能是最诚实的答案。
生成代码越容易，了解该代码是否应该存在、是否有效以及是否可信就变得越重要。
这就是为什么编码素养不会消失。它改变形状。它不再是记忆语法，而是更多地理解系统。更少关注生产每条生产线，更多关注指导、审查、测试和改进代理商的生产。
代理编码开始成熟的年份
该行业已经在朝这个方向发展。
6 月，AWS 将 OpenAI 的 Codex 编码代理添加到 Amazon Bedrock，使其通过 AWS 基础设施和按代币付费模式普遍可供企业客户使用。这是一个微小但很能说明问题的信号：代理编码正在成为大公司实际采用软件的云平台和采购渠道的一部分。
Anthropic 继续推动 Claude Code 走向更大、更复杂的工作流程。 OpenAI 将 Codex 不仅定位为编码工具，而且定位为更广泛的知识工作代理。方向很明确：代理正在从业余实验转向如何完成工作的日常结构。
但更有趣的故事并不是工具变得更好。公司开始围绕它们进行设计。
这意味着新的工作流程、新的定价模型、新的招聘信号、新的管理习惯以及对员工的新期望。这也意味着新的鸿沟：不是会编码的人和不会编码的人之间的鸿沟，而是能够有效使用智能系统的人和仍在等待尘埃落定的人之间的鸿沟。
在 SXSW 上，Bolt 和 Anthropic 捕捉到了这一转变时刻。第一波人工智能编码浪潮是令人欣喜的、混乱的和实验性的。下一波更具操作性。它涉及权限、上下文、设计系统、测试、审查和安全移交到生产中。
正如西蒙斯在会议即将结束时所说，公司开始采用这些工具“以真正的方式，而不仅仅是探索性的玩具方式。”
“这是成熟的一年，”他说。
这并不比即时软件的承诺那么华而不实。但这更为重要。
编码的未来不仅仅是机器会编写更多的代码。他们会的。未来，更多的人将能够参与软件的塑造，而深入了解软件的人将负责确保软件正常运行。
所以，是的，你仍然应该学习编码。
并不是因为世界需要每个人手写每一行。但因为世界正在通过软件重建，了解它如何运作的人将更有能力指导重建世界的特工。
<小时/>
