#18 AI 时代程序员的未来

开发者 AI 2026-09-05

AI 写代码已经越来越强，但截至目前，并没有出现有些人预言的大规模程序员失业潮。美国 BLS 数据显示，2025 年软件开发者就业人数约 168.8 万，预测 2025—2035 年软件开发者就业仍预计增长约 10%。

原因并不复杂：AI降低的是软件开发成本，而不一定降低软件需求。 当一个功能从过去需要3个人做一个月，变成一个程序员借助AI几天完成，公司未必选择裁掉3个人，也可能选择同时开发更多功能、尝试更多产品、服务更多客户。过去因为“开发成本太高”而放弃的需求，现在可能都变得值得做。

真正值得警惕的是，AI正在改变程序员内部的就业结构。

斯坦福数字经济实验室 2026 年 8 月基于数百万名员工的 ADP 工资数据发现，整体就业尚未出现大规模 AI 替代，但 22—25 岁、处于 AI 高暴露职业的年轻人，就业水平已经比低暴露职业同龄人低约 19%；而有经验的劳动者没有出现类似幅度的缺口。软件开发者属于 AI 暴露程度最高的职业之一，其中 22—25 岁开发者下降尤其明显。

这意味着，AI首先冲击的可能不是35岁以上的老程序员，而是原本负责简单CRUD、改页面、接接口、补测试的初级岗位。

那么，新老程序员应该何去何从？

  • 新人不能再把“会写代码”当成核心竞争力。 AI已经可以承担大量基础编码工作，新人的价值必须从“执行任务”转向“理解问题”：

    • 学习计算机基础、数据库、网络、操作系统、工程规范，
    • 同时利用AI快速完成实现，并通过真实项目积累业务经验。

  • 老程序员也不能躺在经验上。 AI确实放大了经验的价值，但前提是你能够驾驭AI。

    • 未来更值钱的能力，是架构设计、复杂系统排障、业务理解、技术决策、风险控制，
    • 以及把模糊需求转化成可靠系统的能力。

所以，AI时代真正危险的不是“老程序员”，也不是“年轻程序员”，而是只会写代码、却不知道为什么写，以及不会利用AI提高生产力的人。

三年前大家问的是“AI什么时候替代程序员”。现在更应该问的是：当代码越来越便宜之后，你还能解决什么过去解决不了的问题？这才是新老程序员真正需要回答的问题。

#16 Cloudflare 开始向 AI 爬虫收费，免费内容换流量的时代正在结束

AI SEO 2026-08-19

过去三十年，互联网形成了一套默认规则：网站免费提供内容，搜索引擎免费抓取，再通过搜索流量让网站获得广告收益。但生成式 AI 正在打破这套平衡。

Cloudflare计划于 2026年9月15日 调整默认爬虫规则，将爬虫分为 Search、Agent 和 Training 三类。新接入及免费客户的网站默认允许搜索爬虫访问，同时阻止 AI 代理和训练爬虫。更复杂的是 Googlebot、Bingbot 等混合爬虫既负责搜索索引，又可能服务于 AI 摘要，因此可能受到更严格策略影响。

Cloudflare还推出 Pay Per Crawl（按次付费爬取），要求 AI 公司为内容访问表达明确的支付意图。

这背后的核心矛盾是：传统搜索是“抓取内容→带来流量”，而 AI 搜索则可能“抓取内容→直接生成答案”，用户甚至无需点击原网站。内容生产者因此承担创作成本，却未必获得相应流量回报。

Cloudflare此举，本质上是在重新定义互联网内容的计价方式：从“免费抓取换流量”，转向“访问内容就要付费”。AI可以快速总结知识，但前提是有人持续生产知识。免费白嫖内容的时代，正在结束。

#15 Claude 全线产品上线隐形水印

AI 2026-08-11

近日，Anthropic 宣布为旗下 AI 助手 Claude 引入生成内容标记机制。从 8 月 2 日起，Claude 生成的文本将默认携带隐形水印，用户复制、粘贴部分内容后，水印仍可能保留。这意味着，未来一段由 AI 生成的文字，可能具备被检测和追踪来源的能力。

#14 Skills 安装

AI 2026-08-04

安装 GitHub 上 Star 超过 50k 的几个 Skills 仓库：

# --all
# -s '*' -a '*' -y
# --skill '*' --agent '*' -y
npx skills add mattpocock/skills -g --all
npx skills add coreyhaines31/marketingskills -g --all
npx skills add nextlevelbuilder/ui-ux-pro-max-skill -g --all
npx skills add addyosmani/agent-skills -g --all

npx skills update -g
npx skills list -g

  1. 个人工程实践 mattpocock/skills

    Matt Pocock 的 skills 是目前非常有影响力的通用 Agent Skills 集合，核心定位是 “Skills for Real Engineers”。仓库直接来源于作者自己的 .agents 目录，因此更像是把一个资深工程师日常使用的 Agent 工作流公开出来，而不是刻意设计成一套完整产品。当前包含大量面向实际开发工作的 Skill，并采用 .agents、skills/、AGENTS.md 等结构，同时提供 Claude Code Plugin 等集成方式。

    它的价值主要在于工程实践经验的编码化：例如代码重构、调试、测试、TypeScript、React、Git 等场景，把原本依赖工程师经验的操作步骤转化成 Agent 可以执行的工作流。相比单纯的 Prompt，它更强调可复用、可组合和自动触发。

  2. 营销领域 coreyhaines31/marketingskills

    marketingskills 是一个面向 AI Agent 的营销专业 Skill 集合，作者是增长营销专家 Corey Haines。它的定位非常明确：让 Claude Code、Codex、Cursor、Windsurf 等 Coding Agent 不仅能写代码，还能承担 CRO、文案、SEO、广告、数据分析、增长和 GTM 等营销工作。项目采用 Agent Skills 标准，目前已经扩展到约 49 个 Skill。

    它最大的特点是Skill 之间存在明确的知识依赖关系。product-marketing 是整个体系的基础，其他 Skill 会先读取产品定位、目标用户和核心卖点，再执行 SEO、CRO、Copywriting、Ads、Email、Sales Enablement、Pricing、Referral、Customer Research 等任务。这比简单堆积几十个 Prompt 更接近一个完整的营销知识系统。

    目前项目还在快速扩展，例如近期加入了 prospecting、sms 等能力，并提供大量第三方工具集成。

  3. UI/UX 领域 nextlevelbuilder/ui-ux-pro-max-skill

    UI/UX Pro Max 是一个非常典型的垂直领域 Skill，目标不是改善 Agent 的通用编程能力，而是让 AI 在 UI/UX 设计和前端实现方面具备更系统的设计决策能力。项目目前提供 67 种 UI 风格、161 套配色方案、57 组字体组合、99 条 UX 指南、25 种图表类型，并覆盖 15+ 技术栈。

    它比较有意思的地方是引入了 Design System Generator：Agent 根据项目需求分析并生成相应的设计系统，然后再辅助实现页面，而不是简单地告诉模型“做一个好看的页面”。项目支持 Claude Code、Cursor、Codex CLI、Gemini CLI、OpenCode 等大量 Agent 平台，并提供自动激活和 Workflow/Slash Command 两种使用方式。

    因此它更像一个领域专家 Skill。如果你经常让 Coding Agent 开发后台管理系统、SaaS、Dashboard、Landing Page，这个 Skill 的收益会比较明显；但如果主要做后端、基础设施或纯代码工作，它的价值就相对有限。

  4. 软件工程流程治理 addyosmani/agent-skills

    Addy Osmani 的 agent-skills 定位非常明确：Production-grade engineering skills for AI coding agents。它不是简单提供一些代码生成 Prompt，而是试图把资深工程师的软件开发流程固化成 Agent 可以执行的工程工作流。仓库目前包含约 24 个 Skill，并支持 Claude Code、Cursor、Codex、Copilot、Cline、Gemini CLI、Kiro、Windsurf、OpenCode 等多个 Agent。

    它的核心思想可以概括成：

    DEFINE → PLAN → BUILD → VERIFY → REVIEW → SHIP

    也就是让 Agent 不要直接“写代码”，而是经过需求定义、规格设计、实现、测试验证、代码 Review 和交付等阶段。Skill 本身通常包含 触发条件、执行流程、验证标准、常见错误以及退出条件，强调“可验证的工程流程”，而不是泛泛的最佳实践。

#13 本地运行 LLM 的限制

AI LLM 2026-07-24

看了《你需要知道的 AI 内存知识》，我才知道：

  1. 本地运行大模型的核心资源主要有三个：内存容量、内存带宽和计算算力，三者共同决定模型规模和运行速度。
  2. 统一内存架构（Unified Memory） 可以让 CPU 和 GPU 共享大容量内存，从而突破传统独立显卡显存容量限制，更容易加载大模型。
  3. 模型名称中的 MoE（Mixture of Experts，混合专家模型） 表示模型只会激活部分参数进行计算，可以显著降低推理所需的内存和算力。
  4. 当前消费级设备，即使价格达到数万元，也仍然存在明显限制：要么模型规模受限，要么推理速度不足，实际更适合运行中小型模型或经过优化的 MoE 模型。

#12 阿里全面禁用 Claude Code

AI 开发者 2026-07-05

阿里巴巴宣布，自 2026 年 7 月 10 日起，全面禁止员工在办公及研发环境下使用 Anthropic 旗下 Claude 系列产品（含 Claude Code），并要求全员卸载清理，同时推荐使用阿里自研 AI 编程工具 Qoder 作为替代方案。

此前，阿里曾鼓励员工使用海内外 AI 辅助编程工具，Claude Code 是程序员高频使用的编码助手，相关外部模型调用费用可走企业报销。

此次变动主要可能基于三方面考量：

  1. Claude Code 被曝存在隐蔽检测/后门风险，可能导致企业核心代码与研发数据外泄；
  2. Anthropic 近年多次无预警封禁中国用户并限制中资企业使用其服务，供应链与合规风险上升；
  3. 阿里自研 Qoder 已具备端到端AI编程能力且支持内网私有化部署，可保障数据不出境、满足自主可控与信息安全合规要求。

#11 我的 Token 消耗情况

AI 开发者 2026-06-25

我用的是 Cursor 做开发，根据 Cursor 后台统计，一个月消耗 Token 大约 6 亿 Token。
需要购买 Pro+ 套餐才能满足要求，一个月 48 美金（年付），折合人民币大约 336 元。

听说龙虾的创始人每月消耗 6000 多亿 Token，是我的 1000 倍，确实有点吓人。
哪怕采购量大可以打一折，也得 3 万多元人民币。
PS：他是 OpenAI 员工，可以无限量调用自家模型，不用花钱。

网约车巨头 Uber 今年头四个月就花完了全年34亿美元的 AI 预算，不得不限制使用 AI 了。
微软也因为费用超标，放弃了 Claude Code，改用自家托管的 OpenAI 模型。

听同事讲，公司提供的 Codex 200 刀的套餐，所有研发共用，每月基本上足够。
Codex 200 刀的这个套餐可以这么划算么？我查了 Codex 订阅和相关信息，看起来也不至于这么划算啊。
不知道实际上同事们的使用程度到底如何。

基础认知：

  1. Cusor Tab（代码自动补全）通常不消耗额度，AI 对话/生成能力才会消耗额度
  2. 模型价格 × 输入上下文长度 × 输出长度 × 调用次数
    其中：输入上下文通常是最容易失控的部分，一定需要控制好。
  3. 控制上下文范围，比控制模型选择更重要

草拟了一个控制 Token 消耗的方法：

  1. 默认使用 Auto 模型，让 Cursor 根据任务自动选择成本和效果更加平衡的模型。
  2. 任务拆解后再交给 AI，不要直接把复杂目标交给 AI，确保问题规模小，描述准确。
    让 AI 解决明确的小问题，而不是让 AI 自己探索整个系统。
    扫描大量代码 + 生成超长上下文 + 多轮修改 = 快速消耗 Token
    我的套餐更适合日常开发修改，不适合让 Agent 长时间承担「全仓库理解 + 多轮推理 + 大范围修改」这类高消耗任务。
    所以少说：解决 xx 问题、重构 xx 方案。
  3. 精准控制上下文范围，尽可能精准指定代码范围，只把相关代码加入模型上下文。
    不仅上下文更小，修改也会更准确一些。
  4. 新任务就开启新对话（New Agent），避免长期复用同一个对话。
    长期积累会导致上下文膨胀。
    保持每个 Agent 任务边界清晰。
  5. 定期查看 Dashboard 监控模型使用量和 On-Demand 消耗。