2031年的一个周二早晨7点40分，你尚未写下一行代码，但这并无大碍。在你睡眠期间，四个智能体处理了你昨日整理的积压任务。其中三个已完成工作，拉取请求（Pull Requests）正等待审核，附带新增测试、运行录像及不确定性说明。第四个智能体在凌晨2点13分暂停，留下一个疑问：“规范要求退款至原银行卡，但该客户卡片已于三月过期，该如何处理？”
这个智能体能编写退款代码，却无法裁定公司对持过期卡客户的责任。它停下来询问，正如你对新员工的期望。你的早晨将用于审核请求、沟通客服并制定清晰规则，确保人类或实体无需再猜测。
这一场景虽为虚构，却非科幻。如今已有智能体能无人值守通宵工作。作者的一个智能体每晚十点运行，构思、构建并测试小项目。其首个成果已成为实时项目“Rule Safari”。
自1954年以来，编程就一直在走向“终结”
1954年11月10日，IBM程序研究小组在FORTRAN语言初步报告中断言，该语言将“几乎消除编码和调试工作”，并预测成本减半。当时，汇编器和编译器被称为“自动编程”。1957年FORTRAN发布后，手动转换机器指令的工作确实消失，但调试依然存在。FORTRAN的真正作用是将工作层级提升，降低编写成本，从而激发更多程序需求。
1981年，英国公司D.J. “AI” Systems推出名为“The Last One”的BASIC程序生成器，声称能编写所有程序。尽管对某些商业程序有用，但它并非“最后一个”。历史模式反复验证：自动化剥离繁琐工作，领域随之扩张。GitHub 2025年报告显示，全球开发者超1.8亿，其中逾3600万人在过去十二个月内加入。
AI并未终结编程，但这级台阶的速度不同。GitHub Copilot预览版于2021年6月推出，至2025年，Stack Overflow调查显示84%的开发者正在使用或计划使用AI工具。四年间，AI从新奇变为默认。
2026年的真实面貌：效率幻觉与信任危机
Andrej Karpathy于2025年2月提出“氛围编程”概念，指完全顺从氛围的编程方式。Stack Overflow同年调查显示，72%的开发者表示这不属于其专业工作，5%坚决否认。
采用曲线陡峭：使用或计划使用AI工具的开发者比例从2023年的70%增至2025年的84%，半数专业开发者每日使用。然而，好感度从2023年的77%降至2025年的60%，2026年仅微升至62%。2025年，46%的开发者不信任AI输出准确性，高于信任者的33%。66%的受访者指出，主要挫败感来自“几乎正确但不完全正确”的AI解决方案，45%的人表示调试此类代码耗时更长。
2025年初，非营利研究机构METR进行了一项随机对照试验。16位经验丰富的开源开发者在处理246个真实问题时，预计AI能缩短24%的时间，事后认为缩短了20%。但时钟显示，使用AI反而多花了19%的时间。尽管样本较小且基于开发者熟悉的代码库，结果仍具启示性。
METR于2025年8月启动更大规模研究，涉及57名开发者和800多项任务。2026年2月，METR表示数据因开发者拒绝在无AI环境下工作而不可靠。早期数据显示，回归的开发者速度提高18%。这一实验失败本身极具2026年特征：人们已拒绝脱离AI工作。结论明确：感觉到的速度并非真实测量，团队需像衡量其他事物一样客观评估AI效能。
智能体能力的指数级增长
METR追踪显示，AI智能体独立完成任务的时长呈指数增长。2019年，GPT-2处理需人类3秒的任务；2023年，GPT-4达到4分钟；2025年2月，Claude 3.7 Sonnet达到1小时；一年后，Claude Opus 4.6达到约12小时。该数字自2023年以来约每四个月翻一番。
若趋势持续，智能体将在2028年左右处理相当于人类一个月的工作量（成功率50%）。这正是2031年场景的数据基础。企业已在体验这一变化：谷歌2024年10月称超四分之一代码由AI生成，六个月后比例“远超30%”。Anthropic创始人Dario Amodei曾预测AI将在三到六个月内编写90%的代码，虽显激进，但至2026年5月，Anthropic确认其合并代码中超80%由Claude编写。
代码廉价化引发的审查危机
流程中一步加速，瓶颈便移至下一步。Faros AI 2025年分析1255个团队超1万名开发者数据发现，高AI采用率团队完成任务数增加21%，合并拉取请求增加98%，但审查时间增加91%。
2026年，Faros对2.2万名开发者的研究显示，人均任务完成率提高34%，但中位数审查时间增长五倍。31%的拉取请求未经审查即合并，事故与拉取请求比例增加三倍多。代码变得廉价，阅读变得昂贵，部分团队悄悄停止阅读。Veracode 2025年测试显示，45%的AI生成代码存在安全漏洞。GitClear发现，2021年至2024年，复制粘贴代码比例从8.3%升至12.3%，重构代码比例从约25%降至10%以下。
维护者亦受冲击。curl项目负责人Daniel Stenberg于2025年5月禁止提交“AI垃圾”错误报告，称项目遭受“DDoS攻击”，并于2026年1月关闭错误悬赏计划。
Fred Brooks在1986年《没有银弹》中将软件困难分为“偶然性”（工具带来的麻烦）和“本质性”（概念结构的设计与测试）。AI擅长解决偶然性问题，但本质性问题——如凌晨2点13分的退款逻辑判定——仍需人类决策。
初级工程师的困境与未来猜测
斯坦福大学数字经济实验室2025年8月利用ADP工资数据显示，22至25岁软件开发人员就业率较2022年底高峰下降近20%，年长开发者无明显变化。2026年6月的更新数据证实，受影响岗位的年轻工作者比同步发展水平低19%。主要影响源于公司减少招聘年轻人。Indeed数据显示，软件开发职位指数2025年5月触底，目前仍比2020年2月低约21%。
这种模式与智能体擅长的“小而明确的任务”吻合。高级工程师通常通过处理初级任务成长，若智能体接管这些任务，未来高级人才的培养路径将面临挑战。
对2031年的五个猜测：
- 团队变小，数量更多：Y Combinator数据显示，2025年冬季批次中四分之一团队的代码库95%由AI生成。Block裁减4000个岗位后，Jack Dorsey指出AI促成“更小、更扁平的团队”。美国劳工统计局预测2025-2035年软件相关就业将增长10%，符合杰文斯悖论：效率提升激发更多需求。
- 规范和测试成为源头：代码将类似编译器输出，规范和测试成为审查与争论的核心。
- 面向一个人的软件：个人将像制作电子表格一样，快速构建并丢弃服务于特定问题的软件。
- 阅读代码成为职业：“验证工程师”等新职位将出现，专注于审查智能体工作、高风险行及测试。
- 每次更改都带有标签：拉取请求将明确标注编写者（人或AI）、检查者及验证内容。
AI不会消除程序员，而是让他们更快、更混乱地处理更难的问题。2031年的开发者将专注于决定“什么应该存在”，清晰解释以便机器构建，并检查结果是否正确。这一直是编程中最困难的部分，只是过去我们忙于打字，无暇顾及。