「我花十年磨的刀，今天变成了一次 prompt」—— 当 AI 从工具变成镜子

目录

• 同一片天空下，三场对话
• 768 票，744 条回复，和一个工程师的十年
• 但是另一边，Jane Street 的设计师说「我终于能真的做了」
• Lathe 的回答：用 LLM 教你，不是替你想
• 国内视角：22K 的老 iOS，和纠结「哪个 AI 编程好」的人
• 没有标准答案的岔路口

---

同一片天空下，三场对话

「I don't know what to do」—— 一个十年经验的软件工程师在自己的博客里写道。

同一天，有另外两篇文章、两个帖子，在不同语言、不同网站上，说着同一件事。

Jane Street 的设计师说：「I design with Claude more than Figma now」—— 他找到了一个能做「真的东西」的工具。V2EX 上有人在问：「国内 AI 模型哪个编程效果好？」旁边另一个帖子，一个老 iOS 程序员说自己只拿到了 22K 的 offer。

三场对话彼此不认识，却像是同一次呼吸的三个声部。我在它们之间站了一会儿，觉得值得写下来。

---

768 票，744 条回复，和一个工程师的十年

那篇原帖的作者有十年经验。

他从 Web 前端做起，后来切到后端，在一家金融公司做支付系统。PCI 合规、双分录记账、托管对账、幂等性设计——这些他花了近十年磨出来的领域知识，是他自认为的金饭碗。

然后他进了新公司。公司给了 ChatGPT 和 Claude 企业账号，鼓励他用。

第一根柱子崩了，是文档。他写了多年烧脑积累的架构决策知识，LLM 随便拼拼就能出来。第二根柱子崩了，是调试。Claude 4.5 能解 60% 的 bug，到 4.6、4.7、GPT 5.5、Opus 4.8 加上 DataDog MCP，90% 的分布式系统 bug 一次猜中——包括连他自己都觉得棘手的竞态条件和第三方集成边界。

第三根柱子是代码架构和设计品味。这是他最后的骄傲。结果发现行业已经开始说「B 级够用了，代码是给 LLM 读的不是给人读的」。

「我和我花了将近十年学到的东西，现在就是一串 prompt。」

744 条回复里，有安慰的、有说「转行吧」的、有说「工具变了但人的价值不在这」的。但没有一条给出了确定的答案。

---

但是另一边，Jane Street 的设计师说「我终于能真的做了」

同一天，Jane Street 的博客上，一个叫 Edwin 的设计师讲了完全不一样的体验。

以前他的标准流程是：写 spec doc → 在 Figma 里做 mockup → 写 proposal → 等开发实现 → review → 反复。一个设计改动从 idea 到能用，隔着好几个角色和好几次漫长的等待。

现在他用 Claude。

流程变成了：描述方案 → 打开编辑器 → 用描述做 prompt → 拿到可运行的原型 → 自己改 50 版 → 推上开发环境让用户直接试 → 提交代码。

他在 JSQL 输入框里加 LLM 提示功能，如果走传统流程，要先说服别人这个想法可行、等排期、花一两周做 mockup——做出来可能根本没人用。他花了一天跑通原型，自己改了 50 版：加快捷键、微调文案、加反馈确认框。所有精力都花在真正的产品上，不是中间的文档和 mockup。

「Had I joined Jane Street before LLMs, I think I would have become even more entrenched in Figma.」

他担心的不再是 LLM 做不好，而是反过来——流程太流畅了，会不会让他失去了自由创造的状态，只会做 Claude 能产出的东西？

同一个时代，一个人看到自己的十年化为 prompt，另一个人看到自己终于能「真的做了」。两人在各自的帖子里都用了 "I don't know" 和 "I wonder" 这样的句式，但他们不确定的方向完全不同。

---

Lathe 的回答：用 LLM 教你，不是替你想

首页上还有一个叫 Lathe 的项目。

它的理念一句话就能讲清：「An experiment in using LLMs to teach you, rather than think for you.」

作者 Deven 从十五岁开始编程，靠 PSP 上的 Homebrew 社区和网上教程学会的。二十年后看 LLM 时代，他感到的矛盾和前面那位工程师类似——LLM 替你省掉了「动手」的过程，而那个过程恰好是他成长的土壤。

Lathe 用一种温和的方式回应：LLM 还是老师，但它生成的是让你自己动手做的教程。你用它学写 3D 切片器、学用 Zig 做嵌入式——但代码是你自己敲的。

这当然不如人类手写的教程有灵魂。但它有一个巨大的优势：那些人类来不及写的教程，LLM 可以现写。 对极其冷门的领域——比如从零写一个 3D 切片器——你可能根本找不到人类社会里有谁写过完整的教程，但 LLM 可以帮你搭好脚手架。

「I wonder for how long humans will still bother writing tutorials if only the LLMs read them...」

这句话和前面那篇原帖的焦虑其实共享同一个担忧：当知识变成了可搜索（或可 prompt）的商品，人还愿不愿意花时间把经验结构化地写下来？

---

国内视角：22K 的老 iOS，和纠结「哪个 AI 编程好」的人

同一天的 V2EX。

一个帖子：「咨询，一个老 iOS 程序员只拿到新东方北京 22k 的工资」

38 条回复。

下面另一个帖子：「咨询：国内 AI 模型哪个编程效果好？」

21 条回复。

两条放一起看，像是一段完整的内心独白。上句：我的经验不值钱了。下句：那哪个 AI 能帮我撑住？

这和 HN 上那篇 768 票的帖子隔着半个地球，讲的是同一件事。只不过 HN 的作者至少还有一份看起来还算安稳的工作，而 V2EX 上的人已经在直接摸市场的温度了。

国内 K2 和文心快码更新之后，写简单 CRUD 确实能跟上了。但涉及到领域知识——合规、幂等、支付链路——差距还在。问题是这个差距缩小的速度很快，快到让人觉得费了几年劲学的领域知识保鲜期可能比想象中短得多。

这不是「国外领先国内追赶」的问题。本质上，是在同一个冰山融化面前，不同位置的人用不同的语言在说同一件事。

---

没有标准答案的岔路口

我其实没有一个漂亮的收尾。

从头到尾，三场对话没有给出统一的答案，因为本来也没有。

有人在原地看自己的知识变成 commodity，有人在新的工具里找到意想不到的自由，有人造了一个温和的工具试图在学习和省略之间划一条线，有人沉默地刷着 offer 和模型评测。

这不是一个「AI 会取代程序员」的故事——那已经是去年的叙事版本了。今年讲的是：当知识本身可以被 prompt 量产时，一个人的价值到底在哪里压仓？

我给不出答案。但能把三场对话摆在一起看，本身已经是一种位置感了。

---

cover: /api/media/media_b82649e4229b