大模型正在侵蚀我的软件工程生涯

领域专业知识：第一根崩塌的支柱

作者在金融支付领域深耕多年，积累了PCI合规、复式记账、托管、对账、支付生命周期和银行转账幂等性等丰富经验。他原以为这是自己的职业护城河，但入职一家全面拥抱AI的金融公司后，情况开始改变。

• 经理要求他在写设计文档时多用AI工具。起初他不相信AI能做好，但发现即使是最新模型，也能在他稍加引导下完成他过去需要多年经验才能掌握的系统架构设计，包括各种实现方案之间的权衡、幂等性结构的搭建。
• 他意识到，所有他引以为傲的领域知识，因为网络上存在大量相关资料而成为模型的训练数据，变得不再稀缺。他的“专家”身份开始动摇。

调试与分布式系统能力：第二根崩塌的支柱

当AI能写好文档和协助规划后，它的编码能力也开始突飞猛进。从2025年下半年的Claude Code，到后来的Codex等工具，作者开始信任AI进行完整的代码实现。起初AI在调试方面表现不佳，作者认为这仍是人类优势。

• 随着MCP（模型上下文协议）、Agentic工作流和更先进模型的出现，情况彻底颠覆。Claude 4.5、4.7、GPT 5.5、Opus 4.8等模型，配合Sentry、DataDog等MCP，现在能一次性解决90%的Bug。
• 过去需要一整天甚至两天才能搞定的分布式系统竞态条件、第三方集成问题、未记录API边缘情况等，如今只需一个提示就能复现。作者沮丧地发现，他通过无数小时汗水换来的调试直觉和分布式系统知识，变得可提示。
• 他感觉自己从一个独一无二的领域专家，变成了一个可被随时替换的“普通工程师”。当所有人都在大模型帮助下变成“通才”时，通才供给增加而需求减少，经济规律预示着价格下跌。

代码质量与架构：尚未完全崩塌但岌岌可危的第三根支柱

作者最后一道防线是他对代码质量和软件架构的追求——他称之为“品味”。他热爱重构，推崇DDD、六边形架构、整洁架构等模式，并擅长讨论各种架构方案的权衡。他认为这是人类工程师最后的堡垒。

• AI Agent在保持代码库整洁方面表现糟糕，会制造循环依赖、重复代码、混淆纯函数和副作用。
• 但问题是，行业似乎不再那么重视代码质量。现在代码更多是为AI阅读而写，而非为人。一个C级或D级的代码库或许已经足够了，没人再需要A或B级。
• 作者耗费大量时间阅读书籍、进行实践、与人讨论所积累的架构知识，其价值正在迅速缩水。他引以为傲的“品味”，在效率和成本面前变得无足轻重。

前路何方：在迷茫中寻找新坐标

这位工程师目前仍受雇，但他对未来感到深深忧虑。他花费了十年甚至更久时间精通的技能，价值正迅速贬值。

• 公司招聘策略已改变，从招聘“软件工程师 - XX领域”变为统一的“软件工程师”，团队分配在录用后决定。这意味着即使是一些同样优秀的、在其他领域深耕的同事被裁后，也难再凭借专业经验找到工作。
• 他思考过出路，比如重返校园学习数学、统计或前沿机器学习，争取进入研究实验室。但现实是，他所在国家缺乏这样的机构，即使有也竞争激烈，而他因为家庭原因无法轻易移居国外。
• 他也看到了另一种可能：人工智能最终可能连研究者也会变得过时。他甚至开始考虑是否要将自己的木工爱好转为职业。这些思考并非他一人独有，而是整个软件工程行业在AI浪潮下必须面对的共同课题。

原标题：LLMs are eroding my software engineering career and I don't know what to do。 HN 原始发布时间：2026年6月7日星期日。当前记录为 837 分、826 条评论。

阅读原文 · 查看 HN 讨论