领域专长一直才是真正的护城河
文章摘要
作者 Brethorst 认为，随着 agentic AI（具备自主行动能力的 AI）的出现，软件开发已经发生了根本性的转变。传统上，构建软件最难的部分从来不是写代码本身，而是建立起对业务领域的心智模型——理解工资扣款规则、公交调度系统、临床编码等等。代码不过是这些领域知识的「转录」（transcription）。
AI 带来的改变：agentic AI 切断了这种联系。开发者现在可以生成可用的软件，而无需建立起对领域的深刻理解。正如 Brethorst 所言：「约束性的瓶颈已经从『你能不能把它造出来』，转移到了『你能不能判断它对不对』。」（The binding constraint has moved from can you build it to can you tell whether it’s right.）
新世界里的两类人：
- 不会写代码的领域专家（调度员、精算师、临床编码员）借助 AI agent 会变得异常高效，因为他们掌握「基准真值」（ground truth）——他们能立刻识别输出是否正确。AI 恰好补上了他们所缺的能力：生成代码。
- 强大的通才工程师能架构出工程质量优良的系统，但在不熟悉的领域里无法验证正确性。他们可能会漏掉那些能通过测试和编译、却微妙而代价高昂的错误。
关键含义：在 AI 之前，工程师有一条职业路径——随时间积累领域专长。agentic 工具抹掉了这一优势，因为「转录」这项技能如今已被商品化。然而领域专长本身依然不可替代，而且价值越来越高。
战略建议：如今最有价值的专业人士同时具备两种能力。Brethorst 建议有经验的工程师投资于深厚的领域知识，因为这种「隐性知识」（tacit knowledge）无法被 prompt 出来，也无法被自动化掉。
HN 评论精华
threethirtytwo 表达了厌倦：「写软件最难的部分从来都不是写。」他受够了 HN 上这些工程师试图重塑自我认同、又不愿与现实脱节的文章。应对 LLM 的一种方式是否认它的水平、声称它编码不如自己——这种借口在一定程度上成立，但也会失败，因为不仅有大量 LLM 确实不如他的场景，也有大量 LLM 比他更强的场景，所以这种借口不可能普适。
Mezzie（自认属于被讨论的那类人）一针见血：他们说我们更有价值，没说出口的潜台词其实是「因为我们会更便宜」。他们以为可以让我们干两份工作、只付一份钱——可能比 2019 年一个像样的 SDE 拿的还少。她还补充道，所谓「更好」不一定意味着「写出更健壮、更优雅、更有韧性的软件」，而是从商业视角看更好：哪怕我们写的代码很烂，只要更便宜或更可替换，从生意角度仍然值得雇。
to11mtm 提出反驳：存在一个临界点，有领域知识但没技能，往好了说也会带来大量技术债。他职业生涯有一半时间都在处理「领域知识勉强够把工单关掉、却留下大量技术债」的情况。
notRobot 用亲身经历佐证：他最近看了一个由有领域专长但无开发经验的人「vibe-coded」出来的 App 代码库，很明显是从其本人视角向 AI 描述、AI 按技术上能跑的方式实现的，但让后续维护和扩展变得极其棘手——这正是对方现在反过来找开发者的原因。
realist_not（一位学会了编程的医生）分享了反向视角：程序员普遍不喜欢学习医学的细微之处，许多人坦言不想学。他试图说服同为住院医师的同事学一门简单的语言（Lua 或 Python），阻力却更大——尽管他们口口声声说一直想学编程。
emodendroket 则坚持认为，自学编程去构建 Web 应用，与「用一项新技术在无需学会编程的情况下构建应用」之间是有区别的：不真正「学会编程」，在实践中交付的严肃应用，往往只相当于在家庭作坊里草草拼凑的桌子。