单击上方“图灵人工智能”，选择“星标”公众号

您想知道的人工智能干货，第一时间送达

“Have you tried writing code with AI agents?”

“Never.”

主持人问Jake Wharton，有没有用AI Agent写过代码？

他只回了一个词：Never（从来没有）。

节目组调查了超过15000名专业开发者：受访者自报，平均约47%的代码已经由Agent完整生成，五分之一的人上个月没有独立手写过代码。

Jake并不是排斥新技术的普通老程序员。

备注：他参与过Retrofit、OkHttp、Moshi和Dagger等项目，也曾是Google推动Kotlin进入Android的首位工程师。

在这场访谈里，他承认开发岗位比五年前更难找，也承认AI可以大幅加快编码。但写出代码只是开始，理解需求、判断风险、验收结果和长期维护，仍然需要工程师负责。

他的态度很明确：AI可以成为顺风车，却不能变成团队的承重墙。

如果Token涨价20倍或者模型暂时不可用，团队就不会开发了，那些能力从来没有真正属于这家公司。

程序员的黄金时代没有结束。只是靠掌握一门热门语言，就能被公司高薪抢走的时代正在结束。

以下内容根据Jake Wharton的访谈翻译、整理，并补充相关行业数据。

被问及是否试过AI Coding Agent，Jake回答“Never”

工作难找了，但是市场还没有崩塌

Jake离开Cash App时不是被裁，也没有必须立刻入职的经济压力。他可以慢慢挑公司。即便如此，这位履历足够亮眼的资深工程师，仍然用了三个月左右才找到新工作。

Jake Wharton：“工作当然还有，只是市场已经不像五年前。那时一个Android开发者走进门，很快就会被高薪抢走。现在要投入更多时间，也得想办法让自己和别人不一样。”

他说，市场的底还没有完全塌掉：招聘没有归零，但岗位更少、面试更慢，公司也不再愿意为一个常见技能支付过去的溢价。

Jake自己的例子更能说明问题。Kotlin曾经是Android工程师的稀缺标签，如今它已经成为默认选项。

会Kotlin很重要，却很难再单独证明一个人的价值。

Jake Wharton：“Kotlin的普及本身就是成功。Google把它变成Android的一等语言以后，它逐渐成了基本要求，不再是少数人才拥有的差异。多平台等更深入的能力，仍然可能让你被看见。”

对开发者来说，简历上写“熟悉Kotlin”“熟悉React”“会用Claude Code”，都只是在说明你能进场。

公司还要继续看你处理过多大的系统、遇到事故时怎样定位、能不能把一个模块维护几年，以及你是否理解技术选择背后的代价。

AI写代码已经不是少数玩法

Jake的那句“从来没有”，放进今天的开发环境里显得格外刺耳。

节目组在2026年5月至7月调查了超过15000名专业开发者。受访者自报的数据里，平均约47%的代码由Agent完整生成；约22%的开发者让Agent生成超过八成代码；五分之一的人上个月没有独立手写过代码。

Agent已经进入多数开发团队，纯手写正在变成少数工作方式。

调查中的三组核心数字

问题因此不再是“AI会不会进入开发”，而是工程师应该把多少能力交出去，又该保留哪些能力。

拒绝强制使用AI，筛掉了八成雇主

找工作时，Jake列了九条择业标准。排在第一位的是：不去AI公司，不做以AI为核心的产品，也不接受公司强制工程师使用AI开发。

这条要求直接筛掉了大约80%的潜在雇主。

Jake解释自己为何把“拒绝强制使用AI”放在择业条件首位

他担心训练数据与开源许可证，也怀疑大量生成代码会不会在几年后抬高维护成本。

但让他最不舒服的，是这次工具更替的方向变了。

Jake Wharton：“工程师了解业务约束，所以选择类型系统、IDE和构建工具。为什么到了AI，反而要由CEO规定每个人每天怎样完成工作？”

Jake质疑由公司高层强制指定开发工具的做法

这里需要补上一句：Jake并没有要求所有人永久拒绝AI。他现在所在的Skylight允许工程师自愿使用LLM，产品里也有克制的AI功能。

AI可以当顺风，别把它变成承重墙

“Use it as a tailwind.”

这是Jake给出的可接受边界：AI可以推着工程师走得更快，但不该成为工程师站立的地基。

Jake Wharton：“负责任的用法，是让AI放大你已有的工程能力，让你更快表达和实现。危险的用法，是让它写出你原本没有能力完成、也没有能力判断的代码。”

Jake区分了AI的辅助性使用与依赖性使用

团队要把一千处旧接口迁到新接口。

工程师已经理解两套API的语义，知道例外在哪里，也有测试覆盖。让Agent搜索调用点、批量改文件、运行测试，省下的是机械劳动。

另一种情况是，工程师不理解支付状态机，却让Agent重写退款流程。

代码能编译，测试也可能通过，但他无法解释重复回调、历史订单和灰度发布会怎样影响账目。这里省掉的不只是打字，也省掉了本该由人完成的理解。

AI辅助与AI依赖的分界，不在Token数量，而在团队能否解释、验证和接手

别把工程能力押在Token上

Jake在访谈里设计了一个很实用的压力测试：如果模型价格上涨20倍，公司只能买得起过去4%的Token，你还能不能正常工作？

Jake Wharton：“额度减少以后，你是完全失去工作能力，还是能回到原来的方式，只把AI留给重复、枯燥、范围很大的任务？别让LLM成为你全部工程能力的基础。”

Jake用Token价格上涨的假设，检查工程师是否已经过度依赖模型

模型降级时能否切换；额度耗尽后哪些任务暂停；生成过的迁移脚本有没有人看得懂；供应商故障时能否继续发布；关键知识是在工程文档里，还是只留在一次会话里。

如果这些问题没有答案，团队买到的只是一条依赖单个模型、单个账号和单套计费规则的新供应链，称不上稳定产能。

裁员以后，代码仍要有人维护

谈到“非技术团队也能提交生产代码”时，Jake并不反对降低贡献门槛。他举过一个设计师周末学习Android、亲手提交复杂动画的例子。让更多人参与产品建设，本身没有问题。

他反对的是另一种公司算法：先裁掉大批工程师，再让剩下的人带着LLM接走全部任务。

Jake认为，裁掉大批工程师并把工作整体交给LLM，是不负责任的做法

Jake Wharton：“我离开Cash App以后，他们裁掉了约70%的工程师。短期内，团队可能靠变得更精简、让每个人借助LLM承担更多工作维持运转。我担心的是，长期软件质量会下降。”

GitLab在2026年6月发布由Harris Poll执行的调查，样本包括六个国家的1528名开发者与技术采购者。82%的受访者担心AI生成代码会形成团队尚未准备好管理的新技术债，85%认为瓶颈已经从写代码转到审查与验证。

AI生成速度正在跑到治理能力前面

这正是“养代码”的账。一个Agent今天写完接口，三个月后需求变化，谁知道当时为什么这样建模；依赖曝出漏洞，谁判断补丁会不会破坏旧客户端；线上偶发错误，谁能从日志、数据和业务流程里把问题追回来。

写代码的人可以减少，系统拥有者不能凭空消失。

写下代码，从来不是最难的一段

“Code is read 10 times more than it's written.”

Jake用这句话回应了一个有趣的问题：既然AI擅长写样板代码，Kotlin当年“少写样板”的优势是不是已经没用了？

他的回答把话题拉回软件生命周期。代码落盘之前，工程师要理解问题、选择方案、划分边界、建立业务模型。代码落盘以后，还要面对Bug、需求变化、数据迁移和几年后的重构。

Jake Wharton：“写代码本来就不是最难的部分。困难出现在写之前：怎样解决问题、边界画在哪里、怎样表达复杂业务；也出现在写之后：代码要随着需求和外部世界长期变化。”

Jake把软件工作拆成代码生成前的判断与生成后的维护

Agent降低了中间的生成成本，写之前与写之后的工程责任仍然存在

他仍然重视语言、类型系统和工具链，原因就在这里。Kotlin的长期价值不止是少写getter和setter。空安全、编译器检查、IDE重构和类型约束，能帮助一个代码库持续变化。Agent可以在一分钟内生成一千行，类型系统则负责拦住其中一部分错误，不让它们进入下一次重构。

黄金时代换了考题

五年前的“黄金时代”，是掌握一门热门语言就能获得大量机会。那段红利确实在退潮。

下一阶段更看重几件不容易从提示词里外包的事。

把任务切成可验收的小块。 让Agent处理范围清楚、失败信号明确的工作，迁移接口、补复现测试、清理重复代码都可以。

保留离开Agent也能诊断问题的能力。 

多学一门设计取向不同的语言。 Jake建议每位开发者至少接触一种新语言。他从Rust的所有权模型里学到的东西，会带回Kotlin和Java，用来发现资源释放、连接生命周期和隐式契约里的风险。

Jake建议开发者学习不止一种语言，用不同设计选择反过来检查熟悉的代码

把依赖当成自己的代码。 

Jake认为，开源库进入产品以后，用户不关心Bug来自自研代码还是第三方依赖。团队要跟踪升级、理解变化，也应该在需要时向上游贡献修复。

把验收能力写进基础设施。 测试、类型检查、静态分析、日志、灰度和回滚，决定Agent可以独立走多远。没有这些护栏，所谓自动化只是把风险从编码阶段挪到生产环境。

团队引入Coding Agent前，至少应把任务边界、解释责任、降级方案、生成记录和回滚责任说清楚

评论区：不用AI是坚持，还是把自己变成恐龙

Jake的“Never”让评论区迅速分成两边。

有人赞同他的质量担忧：AI确实快，但快和好不是同一个指标。

YouTube网友认为AI提高了编码速度，却没有带来更高质量

也有人只留下一句：这是你的损失，你会被时代甩在后面。

一位网友认为拒绝AI会让开发者掉队

回复更尖锐：就算你用了同样的工具，也会有人用同样的AI、拿更低的工资替代你。

另一位网友把争论从“用不用AI”推进到同质化竞争

还有人把判断标准拉回用户：用户不关心实现过程，只关心产品能不能工作。正因为如此，开发团队才有空间决定AI参与多少，而不是为了展示采用率让它进入每个环节。

网友认为团队应按产品结果决定AI参与程度

最有程序员味的一条评论只有一句：IDE许可证，迟早会变成Token许可证。

网友调侃开发工具的成本中心正从软件授权转向Token

写在最后

Jake的“Never”不适合被抄成所有开发者的统一答案。Agent已经能接走大量检索、批量修改、测试生成和样板工作，完全不用它，同样可能错过新的生产方式。

更有用的是他留下的检查题：模型停掉以后，你还会不会做这份工作；代码进入生产以后，团队有没有人能解释并维护；公司推AI，是为了改善工程流程，还是先把裁员目标写好，再让工具填空。

程序员的黄金时代还没有结束。容易的入场券正在失效，工程师的价值也在从“能不能写出来”移向“能不能做对、上线并养下去”。

代码越来越便宜，但负责到底的人却没有了。

https://www.youtube.com/watch?v=9WjPdgOK-68

---

文章精选：

1.图灵奖得主姚期智最新演讲： AI有边界，恰恰是好事

2.图灵奖得主本吉奥警告全网：AI已经学会“演给安全测试看”，下一代我们可能真的抓不住了！

3.图灵奖得主萨顿 WAIC 2026 最新演讲：现在的 AI 还不算真智能，我们正迈入经验时代

4.菲尔兹奖得主陶哲轩最新访谈：未来数学属于人类与 AI 的混合体

5.图灵奖得主、AI教父辛顿：AI已具备意识，且将进化成远超人类的智能生命体

6.图灵奖得主、“AI教父”辛顿认错：我当年想得太简单！卡死医疗AI落地的，其实是背后的法律

7.图灵奖得主Bengio预言o1无法抵达AGI！Nature权威解读AI智能惊人进化，终极边界就在眼前

8.图灵奖得主、强化学习之父Rich Sutton：大语言模型是一个错误的起点

9.图灵奖得主杨立昆：大语言模型缺乏对物理世界的理解和推理能力，无法实现人类水平智能

10.压缩即是全部 —— 菲尔兹奖得主 Michael Freedman 给数学和 AI 的一封信