Google工程负责人发了一篇长文：AI正在偷走程序员建立判断力的机会

📝

Addy Osmani 长文《Earning Judgment》解读：当 AI Agent 接管了所有重复练习，程序员的品味和判断力从哪里来？核心框架是「AI 负责内循环，你负责外循环」，并给出七条可执行的训练方法。

本文转载自微信公众号，如有侵权请联系删除。

自动化覆盖了 80-90% 的工程活。但最后那 10%——边界条件、架构品味、收尾质量——才是整场比赛。

今天，Google Chrome 工程负责人 Addy Osmani 刚发了一篇 2000 字的长文，标题叫 “Earning Judgment”，第一次把这个问题拆解成了可操作的训练方法。他的核心论点只有一句话：

品味从来不是天赋，是几千次重复练习的副产品。Agent 把练习干了，品味就没了来源。

问题不是「会不会被取代」，是「品味怎么练」

过去两个月，关于 AI 编程的中文文章已经写烂了。

36 氪翻译了 Addy 自己的旧文《软件工程未来两年》，讲了初级岗位消失、5 个灵魂拷问。Anthropic 的实验被写成了「3 种用 AI 不退化的方法」。npm 联合创始人 Laurie Voss 的观点被搬到了今日头条。腾讯新闻写了「AI 泡沫第一批受害者是程序员」。

全是「数据 + 焦虑」。

但 Addy 今天这篇完全不一样。他不聊行业趋势，不聊岗位消亡，他聊的是一个更私人的命题：

当 AI 接管了所有的「重复练习」，你的品味和判断力从哪里来？

这篇文章的核心读者是正在从初级往高级走的开发者。Addy 说得很明确：写代码、修 bug、处理边界条件——这些看起来不高级的苦力活，恰恰是建立工程直觉的唯一路径。几千次重复练习的副产品就是品味。Agent 把这些活干了，品味就没了来源，从 junior 到 senior 的晋升阶梯就断了。

如果你已经是 senior，这篇文章告诉你怎么不退化。如果你是 junior，告诉你怎么在新环境下建立品味。如果你是管理层，告诉你为什么不能把 junior 岗位一刀砍掉。

Kent Beck 说了一句话被 Addy 引用了：AI Agent 可能永远不会有品味（taste），品味是人类在「缺乏客观度量标准时，持续做出高质量定性判断」的能力。

翻译成人话：

当所有答案都有标准答案的时候，AI 比你强。当没有标准答案的时候，你得靠品味。而品味没法速成。

真正稀缺的不是「会写代码」，是「会选做什么」

Addy 给出了一个极其清晰的框架：

AI 负责内循环，你负责外循环。

Agent 的内循环是：调查 → 实现 → 测试 → 汇报。这个循环跑得比你快 10 倍，而且会越来越快。

你的外循环是：决定这个结果值不值得关注 → 验证结果是否值得批准（看 diff、测试结果、日志，想清楚 why） → 批准或拒绝 → 承担后果。

两层循环之间的缝隙正在急速扩大。你必须管理它。

用 Anthropic 自己的话说：他们只在「已经知道答案」的时候才用 AI 辅助——因为监督 Agent 的输出需要你先有判断力。但如果你长期依赖 Agent，判断力本身会退化。

你越依赖 Agent，就越没有能力监督 Agent。这就是死循环。

七条不是鸡汤的训练方法

Addy 给了七条具体建议。这不是「保持学习」之类的废话，是每天可以执行的训练动作：

1. 多读代码，少写代码。
不是说不写，是把更多时间花在「读」上——读别人的代码，找逻辑错误、安全漏洞、边界条件。每次读完问自己：我考虑到了对的东西吗？这个判断过程本身就是训练。

2. 维护一个「错误日志」。
每次 Agent 犯错，记一句话。30 天后你就能摸清它的模式边界。这个清单比任何 prompt 教程都值钱，因为它记录的是你和 Agent 的真实交互模式。

3. 故意用「笨办法」做几件事。
手写一个 parser，从零搭一个 CRM，或者做任何有意义的项目。保护你的「附带学习」——那些看起来慢、但其实是在建立直觉的过程。Karpathy 强调过，内存管理、视图（系统如何呈现世界）、存储，这些底层概念 Agent 经常搞错。

4. 深挖一个系统，一直推到崩溃。
然后你就知道真正的深度是什么感觉。不是「我会用这个框架」，是「我知道这个框架在什么情况下会炸」。

5. 把「写规格」和「做验证」分开。
写规格是清晰思考，验证是证据收集。这两件事你得自己干。规格质量是最大的杠杆——一个好规格比十个好 prompt 更值钱。

6. 建一个评估框架。
围绕正确性、可维护性、效率、安全性、风格这几个维度，跑 50 个真实 PR 看看。记下让你意外的测试失败和修复。把你内在的「质量函数」显式化。

7. 按任务校准自主程度。
便宜可逆的事（比如生成备选方案），把自主度拉满。昂贵不可逆的事（比如架构决策），把自主度压低。学会校准本身就是一种高级判断力，值得每天练习。

两个必须偿还的债务

Addy 用了两个词来概括程序员现在欠的债：cognitive surrender（认知投降）和 comprehension（理解力）。

认知投降的意思是：你不再做「该不该接受这个 AI 输出」的判断，直接接受。Shaw 和 Nave 对 1372 名参与者做了超过 1 万次测试，发现 80% 的情况人们接受了 AI 的错误输出。更扎心的是：准确率比不用 AI 的对照组低了约 15 个百分点，但自信心反而上升了 12%。错得更多，却觉得自己更对——这就是认知投降的后果。

理解力的意思是：你接受了 AI 的输出，但讲不清楚它为什么是这样。当 Agent 写了代码，你很容易觉得「它做了所有苦力活」。但你需要做的是维护质量——看 diff、看测试结果、看日志，想清楚 why。

你以为省了时间，其实欠了债。

职业是那个无法被评分的部分

Addy 在文章最后说了四条原则，我重新翻译一下：

完成最后一英里。
自动化覆盖了 80-90% 的工程活。最后一英里——边界条件、架构品味、收尾质量——才是整场比赛。当初稿免费的时候，收尾就是产品。

解决困难版本。
容易的版本已经被解决了。持久价值来自解决困难的那一个。

在困难问题旁边公开构建。
你的声誉和公开工作决定了你能获得多少机会。判断力决定了你能抓住多少。几乎所有真正的好机会都来自公开做的工作，而不是投的简历。

做 T 型通才。
在一两个领域有最深的知识，同时保持广泛的素养。AI 让单个开发者能完成更多，小团队和端到端工程师会越来越强。

Addy 说了一句我读完一直在想的话：

能被别人评分的东西正在被自动化。职业是那个无法被评分的部分——选什么题、判断好不好、为结果负责。

这句话的价值在于它给了你一个标尺。以后每次用 Agent 之前，问自己：

这件事我能评分吗？

如果能，放手让 Agent 干。如果不能，你得亲自上。

---

来源：Addy Osmani “Earning Judgment”（2026.7.16，X Article）、Shaw & Nave AI 输出接受率实验、Anthropic AI 编程技能退化研究（2026）、MIT Media Lab 认知债务研究（2025）