一篇题为《AI is removing the middle class of software engineering》的博客文章在 Hacker News 引发 610 条评论的大讨论。作者 Florian Herrengt 用两个场景的对比，论证了一个尖锐的观点：AI 没有消灭工程师，而是消灭了”平庸工程师”的生存空间，并把好工程师的价值推向更高。
两个场景：2020 与 2026
2020 年：你是团队里最资深的工程师，休假回来发现代码库一团糟——大家互相合并 PR、为图省事给数据库加反规范化表、没任何依据就引入 serverless 和 Kafka。但没关系，你还能修。2026 年：你只是过了一个普通周末，周一早上打开电脑，7 个 PR 等着你审，第一个就是 +24506 / -3938 行、配着 AI 生成描述的巨型 diff——团队一个周末产生的变更比过去几周还多。
AI 移除了速度限制
作者的核心论断：AI 让弱工程文化的项目失败得更快。过去人们会先坐下来讨论怎么做，现在只要让 agent 跑几个小时就开 PR。最可悲的是，从表面看这套流程”能跑”——分支拉下来测试，功能大体可用。于是团队继续往前冲，直到没人再知道系统是怎么运作的：设计决策埋在一条 Claude 对话里（”哪部分该读？大概全部。”），数据从哪来没人说得清（”我也不确定，让我问问 Claude”），修一个 bug 变成了让 AI 修、AI 再修的无限循环。
为什么”让 AI 来修”救不了
技术债的可怕在于不可逆：让 LLM 十分钟加一堆表和列很容易，但数据一旦开始存储就不能随便删——你要写迁移方案、保证不打断线上用户、处理失败回滚、防止外键孤儿。修复永远比制造难一个量级。而且修复期间，新的 PR 还在不断涌入：一个人一下午能生成两万行代码，但你还是得一行行理解它们。到某个临界点，连 LLM 自己也难以在不引入新 bug 的情况下改动这堆代码——正如评论里有人说的，接下来十年的软件咨询业将靠修复”大泥球”（Big Ball of Mud）维生。
新 AI 经济：薪酬两极分化
作者的最终判断：AI 会把薪酬差距推得更大。实现变便宜了，工程师的工资买的是判断力——为什么伦敦、旧金山的公司愿意付六位数薪水？如果只是把规格转成能跑的代码，早就外包了。可雇佣的底线变成了”当前最强模型能做的事”：好工程师被 AI 放大，一个人顶过去一个团队；差工程师则变得几乎无法雇佣——他们产出的速度超过了所有人能评审和理解的速度。这个逻辑不止于软件工程，会蔓延到大多数知识工作。
社区反响
610 条评论里观点交锋激烈：有人认同”弱工程文化会更快暴露”，有人指出这些故事里每个人都在失败——开 2.5 万行 PR 的人、不敢拒绝评审的人、说不清为什么加 Kafka 的人；也有人提醒，安全关键领域里”能跑但没人懂”的代码可能致命。作者本人也在评论区补充：现在没人来得及在损害累积前叫停。
原文链接: AI is removing the middle class of software engineering | HN 讨论: news.ycombinator.com/item?id=49271994