過去的幾個月，我一直在濤思數據內部推動 AI 提效賦能，而且對大家使用Token 數目不做任何限制。自己更是身體力行，用 AI 重寫用戶手冊、構建端到端測試例、拿出 AI-Agent Ready 的架構設計方案，做研發(fā)質量以及開發(fā)量的評估等等，把大家的積極性充分調動起來，讓每個人看到 AI 的效果。但發(fā)現大家有個共同的焦慮：AI 會不會搶走我的工作？

這個問題在各種技術論壇、程序員社群里反復出現，有人悲觀，有人樂觀，也有人干脆選擇不去想。我的答案是：程序員不會消失，但”只會寫代碼的程序員”會非常危險。過去幾十年，程序員的核心價值是”寫代碼”——你學會了某門語言、某個框架，你就能把需求轉化為代碼，因為這些工作有一定的門檻，這成為你不可替代的競爭力所在。但現在，這件事 AI 正在越做越好，而且速度快得讓人難以相信。

我認為真正的問題不在于 AI 會不會寫代碼，而在于我們正在從”程序員寫代碼”轉向”程序員管理 AI 寫代碼”，這是一次真實的職業(yè)遷移，和以前每一次工具革命一樣，會淘汰一批人，也會造就一批新的高手。

我是1984年高中一年級的時候開始寫程序的，當時是在Laser 310 上寫 Basic, 之后就幾乎沒有中斷過寫程序。2016年底，我花了2個月的時間，寫了1.8萬行 C 語言程序，開發(fā)出時序數據庫 TDengine TSDB的第一版，是真正的程序員老炮。最近兩個月使用 Claude Code 做開發(fā)的經驗，更讓我有了第一手非常直接的感受，寫出來與大家分享。

過去幾周，我做了什么

我用 Claude Code 做的不是玩具項目，而是濤思數據真實的產品研發(fā)工作。TDengine IDMP 濤思數據最新發(fā)布的產品，是AI原生的工業(yè)數據管理平臺。它的文檔量很大，超過1000頁。過去這種工作需要我以及研發(fā)團隊花大量時間，反復對齊，效率極低?，F在我把產品的定位、功能描述、目標用戶的使用場景一一交代清楚，而且讓Claude Code 直接用瀏覽器插件來模擬人體驗產品，讓 Claude Code 來寫，我來審核、調整、把關。不僅效率提高了百倍，而且質量更好 —  因為 AI 不會嫌累，不會遺漏，不會因為”這功能大家都懂”就跳過某個關鍵步驟，而且用詞、跳轉鏈接一定不會錯。

測試是研發(fā)團隊永遠欠的債。我把用戶使用場景逐一描述清楚，讓 Claude Code 生成e2e 的 Playright 自動化測試腳本，然后逐一驗證、補充邊界條件。以前需要一兩個測試工程師花一周的工作，現在一天之內可以有大量可運行的測試例框架。尤其是對于標準的CRUD操作，一句提示詞就解決，比如“請幫我在IDMP里創(chuàng)建一個元素、修改它，搜索它，然后刪除它”，它幾分鐘就全部搞定。

在架構設計上，IDMP 的下一步要讓它成為AI Agent最友好的軟件。因為在我的眼里，AI時代，工業(yè)數據底座這類基礎設施軟件，用戶不會是人，而是AI，因此我們必須做好 AI 體驗，對其接口需要改造甚至重構。這涉及數據目錄、上下文傳遞、工具調用鏈等很多細節(jié)。我把對業(yè)務場景的理解、對技術約束的判斷、源代碼目錄等一條條告訴 Claude Code，和它來回討論，最終形成了一份比我單獨思考質量高得多的設計文檔。

此外，作為還沖在產品第一線的公司創(chuàng)始人，我還讓 Claude Code 分析研發(fā)同學的 PR 記錄 — 提交頻率、代碼變化量、涉及模塊、注釋質量 — 然后給我一個結構化的摘要，包括工作量以及質量的評估。這不是要取代 Code Review，取代各個團隊負責人，而是讓我能在 10 分鐘內對整個公司的研發(fā)狀態(tài)基于實際的代碼有一個清晰的全局視角，而不是靠開會、靠問人。

我有空的時候，還 Review 了公司同事寫的很多 SKILL, 指出了不少問題，把輸出結果的質量大幅提升的同時，還把消耗的 token 數大幅降低。大家犯的最大錯誤就是把一些確定性的任務也讓 AI 去倒騰。

兒子也喜歡寫程序，成天泡在計算機前

為什么我做得比一般程序員好

說這句話不是自夸，而是因為這背后有一個值得認真思考的規(guī)律。AI 工具人人都能用，但用出來的效果差距極大。

我觀察到，那些用 AI 用得好的人，有一個共同特點：他們懂得分解問題，懂得提出具體的問題。分解問題，是說你要把一個大的模糊需求，拆成若干個有明確邊界、有具體輸入輸出的子任務。”幫我寫個用戶手冊”這種需求，AI 給你的東西一定很爛。但如果你告訴它”這是一個面向工業(yè)現場工程師的功能，他們不懂 SQL，不懂流計算，主要使用場景是查看各類設備的運行狀態(tài)、歷史變化趨勢，配置KPI計算指標和報警規(guī)則，對批次或事件進行分析以優(yōu)化生產工藝和流程，找到事故根因，請登錄 idmp.taosdata.com 對各種功能進行體驗，以步驟化的操作指南形式來寫，語氣要簡潔直接”，結果就會好非常多。

提出具體的問題，是說你要把自己的知識結構、判斷依據、約束條件都清晰地傳遞給 AI。這要求你對業(yè)務、對技術、對用戶都有深刻的理解。你理解得越深，AI 才能幫你越好。AI 放大的是你已有的能力，而不是替代你沒有的能力。 這也是為什么我 — 一個有 42 年編程經驗、三次創(chuàng)業(yè)、深度理解物聯網、工業(yè)互聯網數據處理難題的老程序員 — 用 AI 能做出比很多年輕程序員更好的結果。不是因為我比他們更會用工具，而是因為我更清楚地知道自己要什么。

“只會寫代碼”為什么危險

我說”只會寫代碼的程序員”危險，不是在貶低寫代碼這件事。代碼是工程師的基本功，我自己到今天都能隨手寫 C 語言程序，而且以后還會繼續(xù)寫。我說的是，如果一個程序員除了”把需求翻譯成代碼”之外，沒有其他能力積累，那他的處境會越來越難，因為這件事正是 AI 最擅長、而且進步最快的部分。我面試研發(fā)時，經常讓候選人當場寫 Consumer-Producer 程序，如果現場能隨手寫出來，我是一定錄用的。但現在根本不需要了，因為 AI 幾秒鐘就幫你生成出來。

但有幾類能力，AI 目前遠遠做不到，而且短期內也做不到。

對業(yè)務本質的理解：我去了解卷煙廠為什么在意某個質量指標，去搞清楚油田的數據采集邏輯，去搞清楚大型設備預測性維護后的機理模型，這些需要和人交流、需要在現場、需要跨越領域壁壘，AI 讀的是已經存在的文本，但業(yè)務洞察來自于那些還沒有被寫下來的經驗。

定義問題、分解問題的能力：AI 是一個極其強大的執(zhí)行者，但它不知道應該執(zhí)行什么，問題的定義、任務的分解、優(yōu)先級的判斷，這些是工程師真正的核心價值。

審美和判斷力：一個好的產品，不只是功能正確，它還需要有結構清晰的文檔、直覺友好的交互、優(yōu)雅一致的設計語言，這種判斷力來自于長期的積累和品位的培養(yǎng)，AI 給你的是”能用”，但”好用”需要人來把關。

程序員的未來

我不是未來預測大師，更不是職業(yè)發(fā)展導師，我只想從一個老炮程序員角度，從一個技術公司的創(chuàng)始人角度說一件事：從現在開始，把 AI 當成你最重要的下屬和搭檔來管理。你要給它清晰的目標，要拆解任務給它，要檢查它的輸出，要在它跑偏的時候糾正它，要在它給出意外好答案的時候反思為什么好。這個過程，就是在訓練你作為”工程師管理 AI”的能力。

會用 AI 的程序員和不會用的，三年后的差距，會比會寫代碼和不會寫代碼的差距大的多。

我 57 歲，用 Claude Code 做產品研發(fā)，做得樂此不疲。不是因為它讓我偷懶，而是因為它讓我能把自己幾十年積累的經驗，以從未有過的效率轉化為真實的產出。在我的眼里，AI 不是威脅，而是我的機會，也是所有程序員的機會。能不能抓住，取決于你愿不愿意改變自己對”程序員”這個職業(yè)的定義，進行一次職業(yè)遷移。

陶建輝

濤思數據創(chuàng)始人CEO

2026年4月9日