上个月在群里看到一份 2026 年的开发者调查问的是哪款 AI 编程工具你最喜欢结果一出来我愣了一下Claude Code 拿了 46%Cursor 只有 19%GitHub Copilot 更惨。这个落差比我预想的要大太多。要知道两年前Cursor 几乎是默认答案Copilot 是装机标配而 Claude Code 在大部分人眼里只是个在终端里跑的实验品。一眨眼工夫排位彻底反过来了。我不是想说谁赢谁输这种无聊的话题。真正让我想写这篇文章的是这个数字背后藏着的更底层的东西——它不只是一次工具排名的更迭而是整个程序员到底在干什么这件事正在被重新定义。你在键盘前那八小时做的事跟三年前已经完全是两码事了只是很多人还没意识到。先说清楚这两年发生了什么。如果只看表面就是补全工具进化成了代理式智能体。以前 AI 是帮你把下一行代码续上现在它能自己读整个仓库、改多个文件、跑终端命令、开测试、甚至直接提 PR。GitHub 这边在 2026 年 6 月把 Copilot 全面改成了按用量计费聊天和代理任务都要消耗 credit这等于官方承认了补全不再是重头戏agent 才是。Cursor 也在不停地把代理能力往前推各家都在抢让你把更多活托付出去这个位置。市场整个结构都跟着变了而且变得比想象中快。我之所以说变快是因为定价和形态的变化往往滞后于真实使用体验。工具厂商还在用旧的商业模式套新的能力但一线工程师早就用脚投票了。你在技术社区逛一圈就会发现讨论的焦点已经从补全准不准彻底滑到了agent 跑一次能替我推进多少事情。但数字背后有个更扎心的事实是我自己跑项目时反复验证到的。用 Cursor 的时候我更像是在驾驶它——每一步都要盯着、纠正、给方向它是个很称职的副驾但方向盘永远在我手里。换成 Claude Code 之后我开始习惯把它当成一个能托付整段任务的实习生给它一个目标它自己去查代码、写改动、跑测试我在旁边做 review。同样是写代码两种状态下消耗的注意力完全不同。所谓46 比 19说到底比的不是代码生成快慢而是你愿不愿意把脑力从怎么写转移到让什么负责写。这里就牵扯到程序员能力结构的变化我个人的观察是它分成了很清晰的三层。最底下是打字能力就是手写逻辑、背 API、记语法——这一层被压缩得最狠现在带初级工程师写一个 CRUD 接口他基本不碰键盘全部让 AI 生成改两下就能用。中间是拆解和验证能力就是把一个模糊需求拆成可执行步骤、判断 AI 给的方案对不对、审查它写的代码有没有埋雷——这一层成了新的分水岭会拆的和不会拆的效率能差出好几倍。最上面是判断力决定到底哪些事情该交给 AI 做、哪些必须人肉盯、哪些干脆不该碰这个跟工具关系不大拼的是工程经验和风险嗅觉。这套分层不是我想当然是这几年带团队的时候一点点被逼出来的。以前招聘我主要看算法和编码功底现在更看重候选人拿到一个半熟需求时的反应——他是直接上手写还是先问清楚边界再决定怎么拆。这两种人放到同一个 agent 加持的环境里产出差距很快就拉开了。有意思的是功底扎实的老工程师往往能很快适应新分工反而是越依赖手快的人越焦虑因为他们发现自己最引以为傲的那项能力正以肉眼可见的速度变得不值钱。那是不是说代码能力就没用了我不这么看而且这是我觉得最容易被误解的地方。恰恰相反你在底层练出来的那些直觉比如对内存布局的敏感、对并发坑的嗅觉、读报错信息时瞬间定位到问题源头的能力在审查 AI 代码时全都会派上用场。AI 最擅长的是把常见模式写得又快又规整但它不真正理解你的业务约束也不会有那种这里将来一定会炸的第六感。没有底层功底的人用代理式工具很容易在第一次碰上 AI 自信满满地写错时栽跟头而且因为看不懂连怎么纠错都无从下手。底层能力不是被淘汰而是从产出工具变成了质检工具。我举个具体例子。之前让 agent 重构一个历史遗留模块它一口气改完跑通了所有测试看起来完美。但我在 review 的时候发现它在处理一批边界参数时悄悄改掉了原本宁可报错也不猜默认值的约定变成了静默返回空结果。测试全绿可线上行为完全变了。如果你没读过那段老逻辑、不理解当初为什么要那么写你是抓不住这种问题的。这正好印证了前面说的底层直觉没有消失它只是换了个使用场景从写出来变成了挑出来。再往大了说我觉得这种变化对行业是好事但也逼着每个人重新选座位。大量纯靠重复劳动的编码岗位确实在被压缩可与此同时能驾驭 agent、能做大规模技术决策、能设计AI 怎么和你协作的人含金量反而在涨。你去看那些用 AI 提 PR 的工程师他们花时间的重心已经从写代码挪到了定义边界、评估质量、把控方向。这跟几年前会写代码就有一切的逻辑已经完全不是一个世界了。还有一点容易被忽视就是Agent 设计正在成为一种新的工程能力。以前我们说系统架构关心的是模块怎么拆、接口怎么定现在多了一层你要想清楚 agent 的权限边界到哪、哪些操作必须留人工确认、出了错怎么回滚。这套东西既像安全审计又像流程设计市面上还很少有成熟的经验基本要靠团队自己踩坑。谁先把这套跑顺谁在接下来的协作方式里就占据主动。说了这么多其实我也没标准答案因为我自己还在这个转变里摸着石头过河。有个问题我一直没想明白也想听听你怎么看当代理式编程把写代码这层能力压缩到几乎不需要人肉产出之后我们这些还在认真学底层原理、手写数据结构、啃编译原理的程序员到底是在打地基还是在浪费时间评论区聊聊你的判断。 一个 46% 对 19% 的调查，把程序员这两年纠结的事全说透了
上个月在群里看到一份 2026 年的开发者调查问的是哪款 AI 编程工具你最喜欢结果一出来我愣了一下Claude Code 拿了 46%Cursor 只有 19%GitHub Copilot 更惨。这个落差比我预想的要大太多。要知道两年前Cursor 几乎是默认答案Copilot 是装机标配而 Claude Code 在大部分人眼里只是个在终端里跑的实验品。一眨眼工夫排位彻底反过来了。我不是想说谁赢谁输这种无聊的话题。真正让我想写这篇文章的是这个数字背后藏着的更底层的东西——它不只是一次工具排名的更迭而是整个程序员到底在干什么这件事正在被重新定义。你在键盘前那八小时做的事跟三年前已经完全是两码事了只是很多人还没意识到。先说清楚这两年发生了什么。如果只看表面就是补全工具进化成了代理式智能体。以前 AI 是帮你把下一行代码续上现在它能自己读整个仓库、改多个文件、跑终端命令、开测试、甚至直接提 PR。GitHub 这边在 2026 年 6 月把 Copilot 全面改成了按用量计费聊天和代理任务都要消耗 credit这等于官方承认了补全不再是重头戏agent 才是。Cursor 也在不停地把代理能力往前推各家都在抢让你把更多活托付出去这个位置。市场整个结构都跟着变了而且变得比想象中快。我之所以说变快是因为定价和形态的变化往往滞后于真实使用体验。工具厂商还在用旧的商业模式套新的能力但一线工程师早就用脚投票了。你在技术社区逛一圈就会发现讨论的焦点已经从补全准不准彻底滑到了agent 跑一次能替我推进多少事情。但数字背后有个更扎心的事实是我自己跑项目时反复验证到的。用 Cursor 的时候我更像是在驾驶它——每一步都要盯着、纠正、给方向它是个很称职的副驾但方向盘永远在我手里。换成 Claude Code 之后我开始习惯把它当成一个能托付整段任务的实习生给它一个目标它自己去查代码、写改动、跑测试我在旁边做 review。同样是写代码两种状态下消耗的注意力完全不同。所谓46 比 19说到底比的不是代码生成快慢而是你愿不愿意把脑力从怎么写转移到让什么负责写。这里就牵扯到程序员能力结构的变化我个人的观察是它分成了很清晰的三层。最底下是打字能力就是手写逻辑、背 API、记语法——这一层被压缩得最狠现在带初级工程师写一个 CRUD 接口他基本不碰键盘全部让 AI 生成改两下就能用。中间是拆解和验证能力就是把一个模糊需求拆成可执行步骤、判断 AI 给的方案对不对、审查它写的代码有没有埋雷——这一层成了新的分水岭会拆的和不会拆的效率能差出好几倍。最上面是判断力决定到底哪些事情该交给 AI 做、哪些必须人肉盯、哪些干脆不该碰这个跟工具关系不大拼的是工程经验和风险嗅觉。这套分层不是我想当然是这几年带团队的时候一点点被逼出来的。以前招聘我主要看算法和编码功底现在更看重候选人拿到一个半熟需求时的反应——他是直接上手写还是先问清楚边界再决定怎么拆。这两种人放到同一个 agent 加持的环境里产出差距很快就拉开了。有意思的是功底扎实的老工程师往往能很快适应新分工反而是越依赖手快的人越焦虑因为他们发现自己最引以为傲的那项能力正以肉眼可见的速度变得不值钱。那是不是说代码能力就没用了我不这么看而且这是我觉得最容易被误解的地方。恰恰相反你在底层练出来的那些直觉比如对内存布局的敏感、对并发坑的嗅觉、读报错信息时瞬间定位到问题源头的能力在审查 AI 代码时全都会派上用场。AI 最擅长的是把常见模式写得又快又规整但它不真正理解你的业务约束也不会有那种这里将来一定会炸的第六感。没有底层功底的人用代理式工具很容易在第一次碰上 AI 自信满满地写错时栽跟头而且因为看不懂连怎么纠错都无从下手。底层能力不是被淘汰而是从产出工具变成了质检工具。我举个具体例子。之前让 agent 重构一个历史遗留模块它一口气改完跑通了所有测试看起来完美。但我在 review 的时候发现它在处理一批边界参数时悄悄改掉了原本宁可报错也不猜默认值的约定变成了静默返回空结果。测试全绿可线上行为完全变了。如果你没读过那段老逻辑、不理解当初为什么要那么写你是抓不住这种问题的。这正好印证了前面说的底层直觉没有消失它只是换了个使用场景从写出来变成了挑出来。再往大了说我觉得这种变化对行业是好事但也逼着每个人重新选座位。大量纯靠重复劳动的编码岗位确实在被压缩可与此同时能驾驭 agent、能做大规模技术决策、能设计AI 怎么和你协作的人含金量反而在涨。你去看那些用 AI 提 PR 的工程师他们花时间的重心已经从写代码挪到了定义边界、评估质量、把控方向。这跟几年前会写代码就有一切的逻辑已经完全不是一个世界了。还有一点容易被忽视就是Agent 设计正在成为一种新的工程能力。以前我们说系统架构关心的是模块怎么拆、接口怎么定现在多了一层你要想清楚 agent 的权限边界到哪、哪些操作必须留人工确认、出了错怎么回滚。这套东西既像安全审计又像流程设计市面上还很少有成熟的经验基本要靠团队自己踩坑。谁先把这套跑顺谁在接下来的协作方式里就占据主动。说了这么多其实我也没标准答案因为我自己还在这个转变里摸着石头过河。有个问题我一直没想明白也想听听你怎么看当代理式编程把写代码这层能力压缩到几乎不需要人肉产出之后我们这些还在认真学底层原理、手写数据结构、啃编译原理的程序员到底是在打地基还是在浪费时间评论区聊聊你的判断。