01
工作能直接交给软件执行
代码、文档和报错信息原本就在计算机上。AI可以在同一个环境中读取输入、修改文件并运行检查。中间少了一部分现实世界的数据采集与操作步骤。
从餐厅故事，回到可验证的工作从写代码
从写代码
到负责结果
为什么部分程序员更早感到AI的冲击？关键是他们更常遇到“描述任务—机器执行—检查结果”的完整过程。这个优势可以学习，也有明确边界。
01 / 机制解释，非职业排名
更早的感知，来自更密集的反馈。
程序员不必先读完大模型论文，才看见任务变化。但目前没有跨职业比较证据，足以判定他们一定“最先、最深刻”。以下是机制推断，不是已证实的因果排名。
02
错误通常更快暴露
编译、测试和运行结果提供连续反馈。开发者能较快看到AI究竟完成了什么，也能看到它在哪一步失败。
03
同一能力可以反复复用
一次脚本、测试或环境改进，可能服务后续很多任务。熟悉系统的人较容易把单次演示转成可重复的工作流程。
可以被反驳的判断：如果换成相同任务、相同信息和相同验收标准后，开发者并未更准确地预测自动化边界，那么“职业条件带来感知优势”就应缩小适用范围。真正相关的变量可能是领域经验、AI使用方式和验证能力。
大厨 → 软件工程师
对应技能与经验；遗漏需求协商、维护和责任。岗位不等于敲键盘。
锅 → 语言与工具链
对应执行工具；AI能修改工具，不意味着程序语言消失或人无法理解。
客人 → 用户与付款方
用户能生成原型；付款、持续使用和承担维护成本仍需验证。
原文的餐厅与“旧船—新大陆”叙事便于传播，但把成本、可靠性和行业差异压缩成了单向进步的故事。“软件吞噬世界”是2011年的产业观点，也不能据此推算岗位替代比例。[11]
02 / 用发布记录校准个人体感
能力演进是真的，整齐的分期是叙事。
个人何时第一次看到某种能力，不等于它何时出现。以下记录只能证明产品或实验已出现，不证明全行业普及。
已经可以给出代码建议
GitHub Copilot正式面向个人开发者。原文把这一阶段写成“报菜谱和陪聊”，低估了已有能力。[1]
从建议到更深入的协作
“递菜、节省跑动时间”可作为讲述者的体验。本材料没有指向具体产品、版本或测量，不能给这一整年划统一能力线。
代理执行任务，更依赖环境和交接
5月Codex云端代理已经执行软件任务；11月Anthropic讨论长任务环境如何避免失忆与过早宣告完成。harness指包围模型的任务管理、工具、状态记录和验证环境。[2][3]
AI参与制作开发工具
Anthropic报告16个代理制作C编译器的实验。人设定目标与测试环境，支出接近2万美元API费用；编译器仍有性能、兼容性和部分工具依赖限制。这支持“可以造工具”，不支持“工程师已被普遍替代”。[4]
两个具体节点均缺原事件对应
“龙虾”缺准确名称和链接；8月事件缺版本与发布记录。不能用相似案例替原文补证，更不能把工具代码更新称为模型权重自我训练。
03 / 原文主张逐项处理
保留什么，改写什么，暂不相信什么。
“证据不足”表示这次没有取得足以支持该主张的材料。它不等于证明主张为假。原文中的确切数字与日期在下方保留，避免悄悄改掉论点。
保留核心
程序员可能更早感知变化
核验：工作反馈密集，能持续比较同一任务的人工作业与AI执行。
处理：改为“部分高频使用并验证AI的开发者，具有观察任务自动化的条件优势”。这是一种机制解释，不是职业群体排名。
必须改写
2022年AI只是报菜谱、陪聊天
核验：Copilot在2022年6月正式发布时已提供编辑器代码建议。
处理：保留厨房故事的演进结构；把起点改成“代码补全和局部协作”，不要写成当时不能生成代码。
必须改写
2025年11月才开始自主做任务
核验：2025年5月Codex云端代理已可读改代码、运行检查并提交供人审查。
处理：区分发布日期、个人首次感知日期和能力成熟度；11月可谈长任务环境改进，不能充当全行业起点。
证据不足
2026年2月“龙虾”让大众进入厨房
核验：“龙虾”缺产品全名、链接、版本和原事件出处。
处理：保留为原文代称，不自动认定具体项目；开放入口可能降低门槛，但大众采用程度需要独立数据。
必须改写
2026年8月AI已经把锅改成自己的样子
核验：2026年2月已有代理团队制作编译器的厂商实验，早于所述月份。
处理：可以说AI能参与改造工具链；不能推成通用成熟产品、模型权重自训练，或人已无法理解工具。
证据不足
99%程序员已不再手敲代码
核验：没有与此口径对应的代表性统计。2025年调查的84%还包括“计划使用”。
处理：改为“AI正在改变许多人的代码生产方式”；具体手写占比必须另测，历史调查也不能直接反证2026年的精确占比。
证据不足
AI超过99.9%程序员；80%没读模型论文
核验：缺人群抽样、任务组合、成本、质量标准和比较方法；原文未提供80%的调查出处。
处理：删除职业百分位与论文阅读比例。具体基准成绩、会写代码、能负责交付是不同指标。
必须改写
代码工作可以100%重复验证，评价统一
核验：固定环境中的部分程序行为可复现；并发、外部服务、随机性和需求本身仍带来不确定性。
处理：改为“软件拥有较低成本的自动检查手段，但测试覆盖不了全部需求、风险与实际使用”。
必须改写
OECD 49%数字密集，所以剩余51%等待自动化
核验：指标包括高和中高数字密集行业；不是全球统一值，更不是任务自动化比例。
处理：49%原值未核实；不画已确认的49/51饼图。行业、岗位、任务三层分别统计；低数字密集行业同样使用软件。
必须改写
传统程序员与Vibe Coding使用者已半斤八两
核验：做出原型的门槛降低，不等于架构、排错、运行维护和责任能力相同。
处理：按同一真实任务、质量门槛和总成本比较。自然语言能表达意图，程序语言仍定义实际运行逻辑。
个人预测
未来五年大概率实现全世界自动驾驶
核验：部分城市的无人驾驶服务已是事实；全球道路、天气、法规与责任条件并不一致。
处理：标为作者预测，不能用编码进步直接外推。只承认已核实的运营范围，不给全球覆盖时间表。
招募待验证
四款软件、免费场地、送书、随后收费
处理：保留其招募承诺及五城范围；不能升级为已举办、已付费、已有复购或已证明培训有效。
04 / 两项研究，不是相互抵消的数字
AI是否省时间，要问：谁做哪种任务？
受控小任务、成熟仓库维护、完整业务交付的难点不同。研究年份和工具也不同，不能把两项结果平均成“真实提效”。
Copilot组完成任务更快
受试开发者用JavaScript实现HTTP服务器。这个结果支持AI辅助在该实验设置中缩短完成时间，不代表产品开发、维护和客户交付都按同一比例加速。[8]
允许使用AI后，任务耗时增加
METR随机试验纳入16名有经验的开发者、246项真实任务。这些人熟悉自己的大型仓库。结果不能外推成AI普遍减速，或2026年工具的当前效果。[6]
后续证据也要一起读。METR在2026年2月指出，新实验存在参与者和任务选择偏差，也难准确计量多代理并发时间。作者认为较新的工具可能更有帮助，但数据对收益大小的支持很弱。旧研究不是永久结论，新研究也不能被包装成已证实的大幅提效。[7]
84%
2025年调查受访者
使用或计划使用AI
51%
2025年调查的职业开发者
报告每天使用AI
46%
2025年调查受访者
不信任AI输出准确性
来源：Stack Overflow 2025调查；自愿应答、问题口径与答题人数不同。84%所属问题有33,662份回答。这三项不是互斥分类，不可相加，也不是2026年全球开发者普查。[5]
加速度应怎样读？METR在2025年报告中拟合了特定任务集上约7个月的能力时长翻倍趋势，其中关键指标是50%成功率。它提供能力变化的线索；不能据此外推出某行业51%的岗位、自动驾驶全球覆盖，或可接受的生产失败率。[10]
05 / 交互演算 · 所有初值均为假设
少写代码，不自动等于成本更低。
先固定同一验收范围和质量，再比较总人工时间与现金支出。原文“十个大厨变三个”“一百元变五元”是角色设想，缺同口径测量，不能当成已发生的缩编或降本。这里测算一次任务；不估算失业、公司估值或投资回报。
原方法总时间应包含需求沟通、开发以及同一观察期的验证、返工和维护。两边现金支出均按任务分摊，包含工具、运行服务等；同一成本不重复计算。人工估值表示时间成本，不代表省下的时间已经变成收入。没有真实收入、替代支出或可验证的时间价值，就不能将节省时间直接记作利润。等待时间若影响交期，应另记日历耗时。
¥180
示例净节省
- 原方法估算成本
- ¥800
- AI方法估算成本
- ¥620
- AI方法人工时间
- 6 小时
- 净节省人工时间
- 2 小时
- 1 模型能力
能否完成明确任务？基准和演示只能回答一部分。
- 2 工作流程
接入数据、权限、检查与恢复后，能否反复完成？
- 3 真实交付
使用者是否验收？是否独立继续使用？
- 4 经济结果
谁付钱？总成本多少？是否复购或续费？
依编号1至4阅读；手机上先读第一行，再读第二行。从模型能力到工作流程，再到真实交付和经济结果，每一步都需要检验，不能直接视为既定事实。每进入下一层，都需要新增证据；前一层通过不会自动证明后一层。组织改进与业务结果也分别记录，更新规则、上下文或工具不等于更新模型权重。
06 / 非程序员也能练习
学会把意图写成能检查的任务。
原文把“程序员”从岗位延伸为思维方式，这一点可以保留。但自然语言不替代基础知识。至少应理解数据从哪里来、程序如何运行、失败怎样恢复，以及自己何时不能判断结果。
七天小实验：做一个自用整理工具
- 选一个真实、低风险的重复任务
例如把自己提供的公开文章目录转成可筛选清单。写明输入、输出、谁使用；不接真实付款与他人隐私。
- 先测原方法，再写验收条件
记录一次总耗时、错误和修改次数。列出3个正确例子、2个异常输入；用同一质量标准比较。
- 把任务拆成一个可运行的小版本
只做读取、转换、输出这条路径。要求AI解释依赖和运行步骤，保留可回退的原文件。
- 亲自检查输出，而非只看演示
检查空输入、重复、缺失字段与保存结果。记录错误的具体触发条件，再让AI修改。
- 交给另一位使用者独立操作
先不口头指导，观察他能否完成约定任务。保留失败和具体反馈；使用成功不等于愿意付费。
- 延迟复测理解能力
隔一段时间，先不使用AI，独立说明输入如何变成输出，再自行修改一个小规则。需要帮助时恢复AI，并记录帮助内容。
- 复算总成本，决定留还是停
把操作、验证、返工、工具与维护都计入。只有在质量达标且收益值得时复用；否则缩小任务或继续用原方法。
建议保留的工程习惯
定义 → 分解 → 执行 → 检查 → 修正
定义结果时给具体例子；拆解时暴露依赖；执行时保留记录；检查时主动寻找失败；修正时确认没有破坏已有功能。
如果你无法说明什么情况算失败，就还没有形成可交给AI的完整任务。
警惕把“我做出来了”当成“我学会了”。产物是否能用、使用者是否采用、本人能否解释和迁移知识，是三项不同验收。上面的七天安排是本报告建议，不是经过验证的培训效果。
四个指标分别测量。使用 AI、每天使用 AI、减少手工输入和不再需要程序员，是完全不同的指标。先观察自己完成了哪一步，再谈职业与商业变化。
07 / 从技术叙事进入社区招募
看见机会，与证明社区价值，是两件事。
OPC在这里按“一人公司或小型AI创业实践者社区”理解，这是语境解释；原文没有给组织定义。本报告分析其方案，不替作者招募，也不把它当成用户准备执行的计划。
原文明确说了什么
五城、周末、初次免费、以后可能收费
范围是北京、上海、广州、深圳、杭州；邀请高频AI使用者、喜欢与人交往者或愿意贡献的人。作者自述会分享论文、harness与四款软件开发经验，并声称朋友赞助场地、首次见面赠书。
本报告的商业推断
这是一条从内容关注到线下关系的路径
厨房故事降低理解成本；“旧世界下沉”增强紧迫感；免费、赠书和有限席位降低初次参与阻力；之后收费是未来转化设想。
这些设计能解释招募逻辑，不能证明承诺虚假，也不能证明社区会产生客户、收入、学习进步或可持续利润。
- 1 关注 → 报名记录真实报名与问题；每日用AI四小时只表示使用投入。
- 2 到场 → 交付记录实际到场、完成的成果和共同验收条件。
- 3 使用 → 付费观察独立使用，再单独验证报价、付款和交付接受。
- 4 再来 → 持续经营观察复访、复购、成员贡献、主办人工时和现金成本。计算收入减相关变动成本的贡献毛利，同时另计固定成本，不能直接称为净利润。
如果是参与者
把收获写成自己的小任务
带一个能在活动中推进的真实问题，约定离开时应得到什么。活动后观察自己是否继续使用成果、是否能独立复做；赠书和现场兴奋感另记。
如果是在评估主办方案
先做一个城市的一次小实验
本报告建议先验证一个明确主题和一种交付，再考虑五城周末巡回。免费场地不等于免费交付：交通、赠书、准备、辅导和后续支持都有成本。此处是建议，未实际举办。
收费前明确谁为哪项结果付款
区分培训费、会员费、项目辅导费与软件收入。记录交付接受、后续使用、复购和总成本；不把免费报名、热情贡献或意向报价算成成交。
可用于改写原视频的主张：“部分开发者更早感到AI的变化，因为他们每天都能看到任务被执行、结果被检查。每个人都可以学习这种方法。变化是否值得追随，应由自己的真实任务、验收结果与总成本决定。”
08 / 证据与研究范围
来源可追，结论有边界。
已打开12个原始来源页面并核对所引内容。包含厂商记录、作者原文、原始研究、调查和OECD定义。没有核验匿名作者身份、四款软件、场地赞助或报名付款。
- GitHub Copilot 正式面向个人开发者 ↗
确认当时已在编辑器中提供代码建议；不是只会聊天或报菜谱。
- Introducing Codex ↗
历史发布公告。云端代理可执行限定的软件任务；不当作当前功能清单。
- Effective harnesses for long-running agents ↗
厂商工程案例：环境初始化、任务清单、进度交接和端到端检查。
- Building a C compiler with a team of parallel Claudes ↗
厂商实验：16个代理、约两周、接近2万美元API支出；仍有性能与兼容限制。
- 2025 Developer Survey · AI ↗
自愿答卷，各问题分母不同；使用或计划使用不是停止手写代码。
- Early-2025 AI and experienced open-source developers ↗
随机试验：16名熟悉成熟开源仓库的开发者、246项任务；并非所有开发场景。
- Changing our developer productivity experiment design ↗
更新指出参与者、任务选择与并发计时偏差；不能据此准确估计当前收益。
- The Impact of AI on Developer Productivity ↗
受控实验：用JavaScript实现HTTP服务器；不是完整产品生命周期。
- Digital-intensive sectors’ share in total employment ↗
统计高及中高数字密集行业就业占比；原文49%的国家、年份和分母未定位。
- Measuring AI Ability to Complete Long Software Tasks ↗
约7个月翻倍是特定历史任务集的趋势拟合；50%完成率不是商用可靠性。
- Why Software Is Eating the World ↗
作者观点文章，解释软件扩张；不是岗位替代率或未来时间表的测量。
- Our Vision for London ↗
公司称已有15个主要城市运营经验；城市与服务区域的扩展不能证明全球全场景覆盖。
把AI用进真实任务，
把判断落到可检查的结果。