747 飞行员与 AI 编程代理：当技术工作不再带来成长

February 28, 2026

本文翻译自 Engineering, 747s, and Coding Agents，原载于 Hacker News。

一次改变视角的飞行

几年前，我从德国出差回来，幸运地升到了商务舱。邻座是一位比利时籍的 747 飞行员，大概五六十岁的样子。我们聊了很多关于各自职业生涯的话题。

那时候我刚离开海军，开始专业编程还不到一年。而他大学毕业后不久就当了飞行员，飞 747 已经快二十年了。他在学校学的是机械工程，给我详细讲解了现代飞机上可变几何形状的喷气式涡轮发动机——这种发动机能在很广的海拔范围内保持高效。

我表达了对他工作的羡慕。很明显，他对飞机有着极客般的热爱。虽然现在大多数航空公司已经不再飞 747 了，但这确实是一台不可思议的机器。他同意能飞这架飞机是一种特权，但他有些感慨地说：

在这份工作中，过了一段时间之后，就没有进步了。你今天不会比昨天更好。

他说到现在为止，他对 747 的了解已经到了飞行员能做到的极限。事实上，他有时希望自己当初成为飞机的工程师或设计师，这样学习新东西就会成为工作的核心部分。然后他说：

你很幸运，你的工作是这样的。

那次飞行之后，我的工作发生了很大变化。AI 编程代理（Coding Agents）可以完成我之前认为是我工作的大部分内容。

我大概是最后一批应该对此感到沮丧的人——我在一家 AI 实验室工作，如果 AI 能兑现其经济承诺，我会获益良多。尽管如此，这确实改变了我解决问题的的方式，有时候我感觉自己更像一个飞行员，而不是工程师。

在过去，当我修复一个 bug 或实现一个功能时，我必须花一定的时间去理解情况。比如，要给这个网站添加分页功能，我会：

如果不行，我就去 Google 搜索，读更多资料，尝试更多方法，重新测试，等等。在这个过程中，很难不学到东西。解决完问题后，我对系统的运作方式会有更好的理解。如果我需要再次实现这个功能，我会做得更快、更轻松。

当 LLM 开始擅长编程后，我偶尔会在过程开始时向它们寻求帮助，主要是用来替代搜索引擎。如果遇到错误，我会把错误信息复制粘贴到聊天机器人里，看看它怎么说，而不是先努力理解（经常是还没读错误信息就去问）。

但这并没有取代批判性思维，因为我仍然需要学习和规划来实现修改。

但最近几个月的 AI 编程代理改变了这一切。通常，代理可以端到端地实现整个功能，完全不需要我参与。

现在当我需要修改代码库时，我不再从理解开始。相反，我先看看我的编程代理能否”一击即中”地解决问题，只有在它似乎要失败时才介入。这种情况越来越少，而且我放心交给代理的功能也越来越大。

我相信编程主要是达到目的的手段。编程代理让我比以前做得更多，所以大部分情况下我很高兴！但我得承认，把功能完全交给 AI 也有些让人不安。

我不再像以前那样快速地积累技能或知识。 如果我用编程代理构建一个功能，然后必须再做一次，我第二次并不会更快。可以想象，用 AI 写代码写二十年，最后也不会变得更熟练。没有进步。

如果我确实需要介入并拯救 LLM，我也经常变得迷失。突然之间，我在阅读别人的代码。我不是逐渐理解问题的解决方案，而是被直接呈现了解决方案——只是有点不对劲。随着 LLM 为我处理越来越大的任务，这种情况会变得更糟。我唯一的慰藉是我需要这样做的次数会越来越少。

你可能会说，新的真正技能是提示代理（prompting agents）。但我不相信这一点。提示很容易，而且只会变得更简单。

关于编程和问题的硬核知识才是帮助你做出良好设计决策的关键，所以这些知识是决定你的编程代理是否成功的最重要因素。而获取这些知识正在变得可有可无。

有些人可能会（带着傲慢地）说，我应该阅读我的代理生成的代码，而不是盲目依赖它们。我确实会读代码，但审查代码与编写代码非常不同，能学到的肯定更少。如果你不相信这一点，我怀疑你不是做软件的。

编程代理已经来了，不用它们是愚蠢的。但是，我认为如果你理解你正在工作的领域，你会更成功地使用它们。

这曾经是编程的必要副产品，但现在不再是了。为此，也许这样做是个好主意：

这篇文章让我想起了一个问题：当工具越来越强大，我们是成为更好的工匠，还是只是成为更好的工具操作员？这可能是每个程序员都需要思考的问题。