写代码从来都是工程师工作中最简单的部分，现在AI把这块接管了大半。

但真正难的东西，依然牢牢握在人类手里：

端到端的系统设计——权衡、约束、规模，每一个决策都是取舍的艺术。把模糊的需求拆解成清晰的规格说明，选择正确的抽象层、数据模型和边界。在用户发现之前，先把边界情况想透。让系统可靠：故障处理、重试机制、幂等性、降级方案。安全和隐私必须是默认选项，不是事后补丁。可观测性：日志、指标、链路追踪、告警、SLO。性能与成本：P95/P99才是真战场，其他可能都是浪费。

"能跑"从来不是终点线。

有人会说：如果我写一个足够详细的prompt，把这些全覆盖，AI也能做到。没错，这恰恰证明了我的观点——当你真正想清楚要做什么的时候，写代码本来就是最简单的那一步。

一个有意思的观察：很多初级工程师用AI直接跳到实现阶段，然后在生产环境出问题时一脸茫然。他们缺失的是构建心智模型的能力——不变量、数据流向、状态归属、可能的故障点、需要监控什么。

那些把DSA当成"刷题找工作"的人，很难走远。你可能拿到offer，但如果基本功不扎实，很难长久。第一性原理永远是根基。

有人问：AI多久能独立构建端到端的弹性系统？其实今天就可以，前提是你足够全面，而且愿意为token付费。但这正是问题所在——一个足够详细的prompt，本身就是一份规格说明书。

写代码是甜点，那些凌晨三点会崩的东西才是正餐。

2026年，我不招写代码的人，我招懂得如何驾驭AI agent的问题解决者。

x.com/striver_79/status/2005509353399525436