AI 写代码，正在制造一种危险的错觉。
当「会提需求」被误认成「会做软件」
过去，不懂编程的人清楚自己不会编程。
今天，AI 能直接吐出代码，于是很多人冒出一个念头：会写 Prompt = 会做软件 = 会做产品 = 会创业。
这大概是 AI 时代最大的认知泡沫之一。
不少产品经理、运营，甚至一些创业者，打开 ChatGPT、Claude、Cursor、Copilot，生成几个页面、几个接口，就开始觉得：
- 自己已经是全栈工程师了；
- 写软件不过如此；
- 科班计算机教育没什么用；
- Coding 早被 AI 彻底解决了。
你看到的，只是软件最表面的 10%
可他们看到的，是软件开发里最容易、最表层的一小块。
真正的软件工程，从来不是把代码敲出来。真正难的是：
- 为什么这样设计，而不是那样设计？
- 系统架构怎么演进？
- 数据模型怎么搭？
- 并发、缓存、一致性怎么保证？
- 线上 Bug 怎么定位？
- 性能瓶颈怎么解？
- 安全、权限、容灾、监控、可维护性怎么兜底？
- 十万行、百万行代码怎么长期演化而不崩？
这些问题，AI 可以帮把手，却替代不了真正理解它们的人。
Demo 跑通三分钟，不等于产品完成 80%
更麻烦的是，AI 让很多人丧失了判断「自己不知道什么」的能力。
以前不会编程的人，会主动去请教工程师；现在 AI 能跑出一个 Demo，他们反而觉得工程师是在把简单问题复杂化。
于是出现一种典型场景：
「Demo 成功运行三分钟，就以为产品已经完成了 80%。」
其实，真正完成的也许只有 5%。
Demo 不是产品。能运行不是能维护。能生成不是能演进。能上线不是能商业化，更不是能规模化。
工具越强，专业知识反而越重要
AI 降低的是写代码的门槛，不是理解软件工程的门槛。
就像计算器普及后，没人因此都懂数学证明；Photoshop 普及后，没人因此都成设计师；相机自动模式普及后，也没人因此都成摄影师。
工具越来越强，不代表专业知识越来越不重要。
真正危险的，是以为自己已经会了
真正危险的，不是 AI 会写代码，而是 AI 给了很多人一种「能力已经到手」的错觉。
这种错觉，比不会更可怕。
不会的人还愿意学；以为自己会的人，往往就此停下了学习。
未来稀缺的，是能判断 AI 对错的人
未来真正有竞争力的人，不是最会写 Prompt 的人，也不是最会复制 AI 输出的人，而是那些拥有扎实领域知识、能判断 AI 对错、知道何时该信 AI、何时必须靠自己专业判断的人。
AI 不会让每个人都变成工程师。
AI 只是让每个人都更容易靠近工程。
两者之间，隔着几十年的软件工程实践。