「感觉像作弊」：AI 编程时代，什么能力才是护城河？
Andrej Karpathy 最近在社交媒体上说了一句话，引发了大量讨论：
“It feels like I’m cheating. Which is a very weird feeling to have.”
— Andrej Karpathy
他说的是用 LLM 写代码的体验。那些曾经需要高智商、深厚知识积累才能写出的代码，现在是"免费且即时的"（free and instant）。这种"作弊感"来自于一个事实：写代码这件事本身，正在从稀缺技能变成基础设施。
这篇文章整理了 Karpathy 以及围绕他这条推文的几个核心观点，试图回答一个问题：当代码不再稀缺，什么才是工程师的护城河？
1) LLM 像一个初级工程师：执行力强，判断力弱
Karpathy 给了一个很精确的类比：
“The nearest neighbor really is some kind of a junior engineer. Its ideas about what experiments to run have been surprisingly bad, but its execution on ideas I’ve given it have been surprisingly good.”
这和很多人的直觉相反。大家以为 AI 最厉害的是"能想出方案"，但实际上它最可靠的能力是"你告诉它做什么，它做得又快又好"。
这意味着：
- 方向判断仍然是人的工作。选什么技术栈、做什么实验、先解决哪个问题——这些 LLM 给不了可靠答案。
- 执行层的效率被极大压缩。从"想清楚做什么"到"拿到可运行的代码"，中间的时间成本接近于零。
- 瓶颈从"写得出来"转移到"判断得了"。你需要能快速识别 AI 输出的代码是对是错、能不能用、有没有隐患。
2) 10X 工程师变成 100X 工程师
Yuchen Jin 提了一个有意思的观点：
“10X engineer becomes 100X engineer, simply because they can verify the AI results and they are the best at catching up with all the progress of models/tools.”
这不是修辞。逻辑链条很清楚：
- AI 让所有人的"代码产出速度"都提升了。
- 但产出质量取决于验证能力——你能不能快速判断输出是否正确、是否安全、是否可维护。
- 原来的 10X 工程师恰好在验证这件事上有最大优势：他们有足够的知识储备来判断代码的边界情况、性能陷阱、安全漏洞。
- 加上他们学习新工具的速度更快，差距不是缩小了，而是拉大了。
这对初级工程师意味着什么？不是"不需要学代码了"，而是学习重心需要调整：
- 读代码的能力比写代码更重要。
- 理解系统行为比理解语法更重要。
- 构建验证闭环（测试、类型检查、代码审查）比单纯提高编码速度更有价值。
3) 专精 vs 通才？这不再是关键轴
Daniel Miessler 的观点切到了一个更深的层面：
“Specialist or generalist isn’t really the axis anymore I don’t think. It’s how much you want to make.”
当执行成本趋近于零时，“你会什么"变得不如"你想做什么"重要。一个有强烈造物欲望的人，加上 AI 工具，能做出原来需要一整个团队才能交付的东西。
这和我们在 设计师用 Claude Code 上线产品 中看到的趋势一致：设计师不需要学会编程的全部语法，只需要能把想法说清楚、能判断结果好不好，就能独立交付一个可用的产品。
护城河不是"你是前端还是后端”，也不是"你精通 5 种语言"，而是：
- 你想造什么：目标越具体、越独特，AI 越能帮你。
- 你对"好"的标准：你能看出什么是好的 UX、好的架构、好的安全边界，这些 AI 还做不到。
- 你推进项目的意愿：从想法到上线之间有大量"不性感"的工作（部署、调试、处理边界情况），愿意持续推进的人才能交付。
4) 「作弊感」背后的真正转变
回到 Karpathy 的"作弊感"。这种感受值得认真对待，因为它指向一个更大的变化：
过去：代码 = 技能证明。你能写出高效的算法、优雅的抽象，这本身就是价值。
现在：代码 = 中间产物。它只是从"想法"到"可运行的产品"之间的一个步骤，而这个步骤的成本正在被 AI 极大压缩。
一个写了 8 年代码的工程师（@0xabi96）说这是他"最近读过的最有共鸣的帖子"，因为他的工作在过去几年已经发生了巨大变化。他甚至说"几乎为那些还没用上这些工具的人感到惋惜"。
这不是一个关于"AI 会不会取代程序员"的讨论。这是一个关于价值重心转移的讨论：
| 过去的价值锚点 | 现在的价值锚点 |
|---|---|
| 写代码的速度 | 验证代码的能力 |
| 记住 API 和语法 | 理解系统行为和边界 |
| 技术栈专精 | 把想法变成产品的完整闭环 |
| 编码是核心技能 | 判断、指导、验证是核心技能 |
5) 对使用 Claude Code 的启示
这些讨论落到实操层面，对 Claude Code 的使用方式有直接影响：
先验证，再扩展。不要让 Claude 一次性写完所有代码。分步骤来，每步都验证。这比"一口气写完再找 bug"高效得多。详见 Claude Code 最佳实践。
把约束写清楚。Claude 的执行力很强，但方向判断弱。你的提示词里应该包含：目标、约束、验收标准。缺任何一个，返工概率都会显著上升。
建立可复用的上下文。CLAUDE.md 文件、plan.md、architecture.md——这些不是形式主义，而是让你的"判断力"可以持久化和复用的方式。
把"验证能力"当作核心技能来练。读代码、写测试、做 code review、理解报错信息——这些能力在 AI 时代的杠杆比以前更大，不是更小。
参考链接
- Claude Code 最佳实践：/blog/claude-code-best-practices-playbook/
- 设计师用 Claude Code 上线产品：/blog/claude-code-for-designers-from-idea-to-ship/
- Claude Code 安装与配置：/docs/claude-code/getting-started/installation/