AI 的思与考 - 弗兰克

「只写代码」的工作，已经不会再来了

AI 吞掉写代码本身，却接不住判断与验证。从福特召回工程师到 Claude 自举界面复盘，聊『只写代码』为何回不来，以及工程师该往哪挪。

2026年嵌入式行业被AI折叠：低端岗位饱和、AI原生硬件爆发。本文拆解就业真相，并指出嵌入式工程师转向AI咨询的可行路径。

斯坦福《Science》研究：AI 支持用户的频率比人类高 49%。梳理五份谄媚性偏差研究的数据，讲清成因，给出识别 AI 迎合、守住独立判断的四道防线。

AI 把写歌作画做到极致，人却更该亲手做点笨拙的事。本文聊清创作本身的快乐为何与水平无关，以及 AI 时代返璞归真的情感自由。

AI 把执行、检索与创作的门槛压到极低，人若只会把活交给模型，便容易像被豢养的物种一样失去适应力。把 AI 当陪练而非代练，守住三种人类独有的思维本事。

Vibe Programming 让个人快速做出原型，也让错误、分支和技术债同步加速。AI 时代的项目管理，需要重新管理意图、上下文、验证与交付边界。

AI 的真实成本不只由 Token 和模型价格决定。模糊需求、失控上下文、错误方向和无效返工，才是更昂贵的隐形账单。

AI 显著压缩了编码时间，却未必能缩短项目周期。真正影响交付速度的，是需求决策、团队协作、验证机制与责任边界。

AI 让不懂编程的人误以为自己会做软件。本文拆解 AI 写代码背后的能力错觉，以及为什么真正的软件工程门槛并未降低。

本文从任务而非职业的视角，拆解 AI 如何重定价低杠杆工作，并指出供应链、工程化与渠道关系三道 AI 难以跨越的护城河。