AI 时代，开发者的核心工作已经不是写代码

软件开发正在发生一次根本变化。

过去，开发者的主要价值是把需求转化为代码，效率受限于个人的编码速度，产出基本呈线性增长。现在，AI 可以在很短时间内生成页面、接口、测试和完整功能——真正稀缺的能力，开始从「写得快」转向另外四件事：能否把目标定义清楚，能否把系统边界设计清楚，能否约束 AI 不破坏架构，能否快速判断结果是否可用。

开发者正在从 coder，转向 system designer 和 Agent orchestrator。

AI 解放了产能，也放大了失控风险

AI 最大的价值不只是节省时间，而是解除研发的线性产能限制。一个开发者可以同时启动多个 Agent，在不同任务、分支和沙盒里并发工作；过去几天才能完成的原型，现在可能几个小时就跑起来了。

问题也随之出现。AI 不会天然遵守架构纪律，缺少约束时它很容易生成大量看似能运行、实际难维护的代码：重复造轮子、随意增加依赖、擅自修改已有架构、用局部补丁掩盖系统问题，最后堆出一大片 AI slop。

AI 能把代码生产速度提高十倍，也能把技术债增长速度提高十倍。

所以有效的做法不是让 AI 自由发挥，而是先建立 guardrails。

开发工作流正在被重新排列

传统开发的第一入口是 Editor。AI 协作开发的工作流更接近另一条链路：CLI → Editor → GitHub。

CLI 用来发起任务、并发委派和跟踪执行状态。Editor 从主要生产工具，退回到 control board——看代码、查 diff、做精细修改。GitHub 承接异步协作：Agent 在隔离环境里完成任务、提交 Draft PR，人类审查、修改、合并。

核心循环也跟着变了。它不再是「人和 AI 一起写代码」，而是：

定义意图 → 委派任务 → Agent 执行 → 人类裁决

一句话概括这条链路的分工：AI 负责高吞吐，人类负责高判断。

约束 AI，需要三层防线

稳定的 AI 开发流程通常有三层结构，一层比一层具体。

第一层是 agents.md。 它相当于仓库的宪法，定义项目目标、架构原则和禁止事项——比如「未经授权不得修改核心架构」「不得引入新的基础设施依赖」。它不解决具体怎么做，它划定什么绝对不能做。

第二层是 Skills。 把高频开发动作沉淀成固定配方：新增 API、编写测试、数据库迁移、日志接入。AI 照着流程执行，把即兴发挥的空间收窄。

第三层是 Custom Agents。 不同 Agent 承担明确职责——后端安全、性能优化、测试修复、文档维护——并通过 MCP 连接外部工具，完成更完整的任务闭环。

这三层的本质是同一件事：把 AI 的能力限制在可控轨道内。

从 PPT 提案，转向可运行 Demo

AI 还改变了研发团队的沟通方式。

当从想法到原型的成本大幅下降，很多概念已经没必要先用十几页 PPT 去解释。更有效的方式是直接交付一个能跑的 Demo：决策者看到真实产品，判断会快得多——方向是否成立、体验是否合理、技术复杂度是否可控、值不值得继续投入。

研发协作正在从「提案驱动」转向「结果驱动」。

工程大脑没有退场

AI 会越来越多地承担代码生成工作，但不会替代工程判断。真正稀缺的能力仍然是问题抽象、架构设计、技术取舍、边界定义、质量审查和风险控制。

过去写代码像用斧头砍树：速度慢，但破坏范围有限。AI 更像动力电锯——效率高得多，失控之后的破坏力也强得多。

所以 AI 时代最好的开发者，不是写代码最多的人，而是最清楚什么该写、什么不该写，以及如何让机器始终在正确边界内工作的人。

开发者的价值，正在从代码生产能力，转向系统设计能力和工程治理能力。

白泽明理做的正是后半段：把意图、边界、职责和裁决关卡设计清楚，让 AI 的吞吐量落在可控的结构里。