Concitech AI · 深度长文
2026/09/13 09:43
IDE 退场，Code Review 失灵，工程师成了 AI 验收员
Gergely Orosz 列出软件行业七条变化。IDE 使用下降、代码审查失灵、中层管理收缩和工作负担上升指向同一个问题。AI 扩大代码供给，验证能力成了新瓶颈。
Gergely Orosz 发了一张图，列出七条软件行业观察。
IDE 走向衰亡。Token 冲榜失去吸引力。Code Review 进入僵尸状态。开源模型获得成本优势。中层管理岗位收缩。工程师工作负担上升。优秀工程师招聘保持高难度。
这七条判断缺少统一样本。部分判断属于个人观察，部分判断拥有调查数据。它们指向一条共同主线。
AI 扩大了代码供给。软件组织缺少同等规模的验证能力。
工程师的主要工作发生迁移，起点是代码生产，终点是代码验收。IDE、Code Review、管理层级和绩效指标发生变化。
Gergely Orosz 的七条行业观察，图片来源为原始推文。
「IDE 之死」听起来夸张。
2025 Stack Overflow 开发者调查列出的使用率前两名是 VS Code 和 Visual Studio。Cursor 的使用率为 18%，Claude Code 为 10%，Windsurf 为 5%。传统 IDE 保有庞大用户群。
Gergely 的判断描述的是使用频率和工作入口，缺少产品消失的含义。
旧工作流的中心是 IDE。工程师阅读目录，打开文件，修改函数，运行测试，提交代码。每一个动作对应一个界面操作。
Agent 工作流的中心是任务。工程师描述目标，Agent 搜索仓库、修改多个文件、运行命令并整理结果。终端、聊天窗口和任务面板承担入口角色。IDE 变成调试器、Diff 阅读器和事故处理台。
IDE 的身份发生变化。旧身份是生产车间，新身份是验收车间。
这个变化解释了 Token 冲榜的退潮。
Token 消耗量代表 AI 采用程度的时代存在过。团队做排行榜，员工展示调用量，管理者记录消耗量。消耗量进入绩效表。这个指标走向失效。
更多 Token 生成更多代码。更多代码缺少天然价值。需求偏差、错误抽象、重复实现和隐蔽缺陷消耗 Token。
一家软件公司的目标是交付结果。Token 数量、代码行数和提交数量属于中间产物。中间产物膨胀，验证成本膨胀。
Code Review 的僵尸化是一处尖锐矛盾。
AI Agent 产出几千行 Diff。审查者面对几十个文件、陌生依赖和成片测试。一次人工审查拥有固定注意力。代码生成拥有弹性产能。
供给端获得机器速度。验收端保留人类速度。
团队保留 Code Review 流程。审查者打开页面，浏览几段代码，留下两个风格意见，点击 Approve。流程存在，质量控制功能衰退。Gergely 称这种状态为「zombie state」。
Stack Overflow 2025 调查给出一组侧面证据。84% 的受访者使用或计划使用 AI 开发工具。46% 的受访者怀疑 AI 输出准确性，信任者占 33%。66% 的开发者遭遇「答案接近正确、结果带有偏差」的问题。45% 的开发者认为 AI 代码调试消耗更多时间。
Stack Overflow 2025 开发者调查数据。各问题样本口径存在差异。
采用率增长与信任度下降构成并存现象。工程师购买生产速度，工程师保留质量责任。
METR 的随机对照实验增加了一层反差。16 名资深开源开发者完成 246 个真实项目任务。参与者预估 AI 缩短 24% 的任务时间。任务完成后的主观估计是缩短 20%。实验结果记录了 19% 的耗时增加。
这项研究使用 2025 年早期模型，样本规模为 16 人，参与者熟悉各自项目。研究范围限于该实验。它揭示的认知偏差值得保留。代码生成速度上升。验证过程存在吞噬节省时间的风险。使用者主观感觉保持正面。
DORA 2025 报告的样本规模为 5000 名技术从业者左右。90% 的受访者报告 AI 工作用途，超过 80% 的受访者感到生产力提升。报告发现，AI 采用与交付吞吐、产品表现呈正相关，与交付稳定性呈负相关。
这组结果解释了工程师的疲惫。
生产力增长释放产能。组织转换新增产能为更多需求、更短排期和更多并行任务。代码生成环节缩短，排查、协调、验收和维护环节扩张。工程师完成更多工作，工作负担维持高位。
AI 成了放大器。好流程获得高吞吐。坏流程扩大返工队列。
代码供给增加，验收能力承担压力。
这个瓶颈迁移影响了中层管理。
状态汇总、任务分发、会议纪要和进度追踪具有自动化空间。负责信息搬运的管理岗位承受收缩压力。技术判断、冲突处理、人才培养和责任承担保有稀缺性。
中层管理岗位减少伴随一笔隐形成本，职业成长通道变窄。
初级工程师需要反馈。高级工程师需要授权。团队需要技术标准的传递者。管理层级压缩产生任务转移。这些工作落到少数资深工程师身上。资深工程师承担架构、验收、辅导和事故责任。
优秀人才招聘保持困难，原因来自这组能力缺口。
公司缺少代码生产者。公司稀缺结果责任人。结果责任人判断代码、定义问题并承担结果。AI 增加前一种供给。后一种能力依赖长期项目经验。
开源模型的成本优势属于另一条重要观察。
前沿商业模型拥有能力优势，调用价格高。自托管、批量推理和任务专用调优构成开源模型的单位成本优势。敏感代码获得私有部署选项。
这笔账包含 Token 单价和完整成本。GPU 利用率、运维人力、推理延迟、模型升级和故障处理构成总成本。高调用量、稳定任务和成熟平台适合开源模型。低调用量、复杂任务和小团队适合托管模型。
混合路由走向常见架构。普通代码生成归属便宜模型，高风险修改归属强模型，安全扫描和测试归属专用工具。模型名称失去中心位置，任务分配与验收规则获得中心位置。
软件团队面临四项调整。
绩效指标改看需求结果、缺陷逃逸率、回滚率和维护成本。Token 数量退出荣誉榜。
代码审查采用风险分级。权限、支付、数据迁移和基础设施代码接受人工深审。低风险改动接受自动测试、静态分析和抽样审查。
Agent 任务保持小批次。一个任务对应一个清晰目标、一组可验证标准和一份有限 Diff。巨型改动损害责任边界。
管理岗位接受重新定义。信息搬运价值下降，判断、辅导和组织设计价值上升。
Gergely 的七条观察包含两个焦点。「IDE 之死」负责吸睛，「工作负担上升」触及问题中心。
AI 降低了代码价格。组织保留了无限需求。工程师接住中间的差额。
软件行业的稀缺品换了名字。
旧稀缺品名为代码。
新稀缺品名为判断。
