软件编写成本已大幅降低。借助免费版的 ChatGPT 等工具，任何人都能生成几乎任何想要的代码。这引发了一个疑问：软件工程死了吗？
答案是否定的。虽然编码逐渐由机器代劳，但并非所有人都具备设计或维护软件的能力，大多数人仅需要一个能满足需求的应用程序。正如 Charity Majors 去年所指出的，软件工程的核心从来不是编码，而是用软件解决问题。
我们正见证一个新抽象层级的涌现：Meta 的 Muse 提供了个人助手，Codex 或 OpenCode 让用户构建前所未有的应用，Claude Opus 5.5 模型甚至能一次性生成复杂动画。开发者正在转型为“产品工程师”。
从编码者到产品工程师
npm 联合创始人、现 Arize 开发者关系负责人 Laurie Voss 在《我们现在都是产品工程师》一文中指出，智能体正迅速接管代码编写、审查和维护工作，未来发布和扩展也将由 AI 完成。
然而，产品思维、功能规划以及与客户的深度沟通仍需人类介入。Voss 表示：“当客户说‘我需要跟踪订单’时，有上万种软件符合描述，但对一家面包店而言，只有一种是正确的。”这正是新晋产品工程师的价值所在——通过自然语言与大模型迭代，明确需求并提供上下文。
Voss 认为，这一角色类似于 20 世纪 60 年代的“系统分析师”，即在不编写代码的情况下将业务需求转化为软件需求。数据显示，前向部署工程（Forward Deployed Engineering）相关职位需求旺盛，此类角色平均总薪酬约为 24 万美元。Voss 预测该类角色将在未来十年成为主流，但笔者推测，随着多模态模型能力的加速进化，这一进程可能在 2 至 5 年内完成。
智能体的局限与维护挑战
尽管独立 AI 智能体已开始尝试自由职业业务，但其协调工作仍显混乱。笔者在雇佣 AI 智能体时发现，获取准确细节仍需多轮反馈，这与人类协作相似。此外，智能体难以胜任深入的客户角色或挖掘深层产品需求。
对于个人开发者，维护 AI 生成的代码需要进行“上下文工程”；若在企业规模应用，则需专业支持。同时，销售与营销依然是硬性门槛，若能解决获客问题，搭配 AI 技术合伙人将极具竞争力。
初级工程师的困境与出路
AI 侵蚀了初级工程师通过编写代码并接受审查来建立判断力的传统路径。针对新人如何入行，Redis 作者 Antirez 建议：拥抱变化，从事基于证据的职业，利用 AI 杠杆创建过去需要团队才能完成的开源软件。
在当前环境下，公开构建、分享学习旅程并建立社区网络至关重要。若无构建记录，新人难以在行业立足。企业也需重新投资学徒制和系统设计理论，训练下一代工程师从用户处获取需求并输入模型。
Voss 将当前阶段比作 1997 年的互联网：泡沫将至，赢家未定，但仍有充足时间进行再培训。资深工程师应利用领域知识指挥智能体舰队，实现效能倍增；而新人则需展现高能动性，在路径开辟前努力成长并被听见。