- URL: https://pauldix.com/the-end-of-programming
- Added At: 2026-08-26 12:47:01
- Tags: #read
作者判断传统“人手写代码、逐行审查”的软件开发模式正走向终结。Bun用AI主导重写超百万行Rust、GitHub代码量指数增长等表明，AI可产出并迭代复杂软件。未来开发者将转向定义问题、设计架构和构建验证闭环，只验收最终运行结果，而非阅读代码本身。
作者的核心判断是：传统意义上“由人手动写代码、再由其他人类逐行审查代码”来开发软件的方式，正在走向终结。未来软件会更多，但大部分代码既不是人写的，也不会被人读；人类负责提出需求、设计架构、搭建验证和测试系统，然后审查最终运行结果，而不是代码本身。
这一判断最直接的证据是 Bun 1.4 的发布。Bun 从 Zig 重写为 Rust，新增了超过 100 万行 Rust 代码。这个重写主要由一个开发者 Jarred Sumner 主导，他使用预发布版 Fable 5 模型和几乎无限的 token 预算，让多个 AI 智能体并行工作。11 天内产生了 6,778 次提交，API 花费约 16.5 万美元，之后又经过几个月持续改进，最终发布为稳定版本，跑在数百万开发者机器上。
作者认为不能因为“有原版 Zig 代码作为参照”就轻视这件事。真正重要的是：只要建立好验证系统、给出明确方向，AI 能产出高度复杂的软件，并且能持续修改它，直到真正可用。
另一个证据来自 GitHub 的代码推送量图表：自去年以来，代码产出量指数级上升。作者认为，这些新增代码大多来自个人项目、公司内部试验或非关键系统，因为核心业务产品仍然有很强的组织惯性，难以让单个开发者把产出提高 10 倍、100 倍。而且这些代码大多由几个月前的非前沿模型生成，不是最新的最强模型。
Anthropic 和 OpenAI 的开发人员已经生活在“近未来”中。他们每周可以发布几十甚至几百个 PR，已经不可能逐行审查所有代码。他们的工作重心已经上移到更高层：设计系统、写提示词、构建验证工具，让 AI 大规模、高速度地产出软件。普通用户要晚一年左右才能获得类似的体验和资源。
作者还给出了自己的两个实验：
第一个是给 InfluxDB 增加 Iceberg 集成。这是一个复杂功能，涉及 API、CLI、Iceberg REST 实现、与 compactor 的深度整合、外部 S3 和 Glue、内部 S3 API 等。他先梳理架构和需求，然后让 Fable 通过子智能体执行、触发代码审查并监督过程。14 小时后，得到了一个可工作的版本；之后又让 AI 连接 DuckDB 和 PyIceberg 做端到端验证并修复 bug。
第二个是构建边缘数据复制系统，让多个边缘 InfluxDB 节点定期把压缩数据复制到中心集群。他给出架构和用户体验示例，和 Fable 协作完成设计，然后让它负责实现。28 小时后得到了大体可用的实现；随后让 AI 部署到 AWS 测试环境，观察指标和日志，自己修 bug，几轮迭代后实现端到端运行，几个月后仍在运行。后来还让它顺手做了一个展示复制速率的 UI。
作者承认这些都不是已发布、受支持的生产级软件，外界也可以说“AI 只是帮你更快做出原型”。但他认为这种说法低估了事实：这个原型本身就是可工作的软件；它的改进不依赖人类逐行审查，而是通过使用和测试不断迭代。他受限于每周 Fable 配额和费用，无法像 Jarred 那样用无限 token 24/7 运行智能体。原型只是起点，AI 还能帮你把它迭代成更可靠的生产级产品。
对于未来，作者预测：
- 今年 OpenAI 可能发布 Astra，能力达到或超过 Fable 5。
- 年底或明年初，普通用户也能用上 Fable/Astra 级别的模型。
- 明年底，这种智能的成本会低到大多数人可以全职使用。
- 再过一两年，token 生成速度会提升 10 到 100 倍，成本继续大幅下降。
组织惯性会让很多公司继续让人类手写代码、逐行审查，这种模式可能还会存在十年。但最高效的软件创造者将不再以传统方式“编程”。他们会指挥 AI、搭建软件工厂和 QA/验证系统，以从未有过的速度交付真正可用的软件。
最终，AI 编写并运行在生产环境中的软件数量会超过人类编写的软件。这就是作者所说的“编程的终结”。
换句话说，这不是“不再需要软件开发者”，而是开发者角色发生根本转变：从亲自写代码、读代码的人，变成定义问题、设计架构、构建验证闭环、并只验收最终结果的人。代码从需要精读的“工艺品”，变成被测试和运行结果验证的“产物”。