在 ENIAC 的真空管阵列前，Betty Jean Jennings 和 Frances Bilas 用物理电路编织程序的时代，人类首次将逻辑转化为机器的呼吸。这段历史揭示了编程的本质：人类与机器的认知边界争夺战。从二进制开关到汇编语言，从 Fortran 到 Python，每一次技术革命都在试图将人类的意图更自然地映射到机器逻辑中。
Tim O'Reilly 犀利地指出："Windows 和 macOS 的成功不仅在于图形界面，更在于它们封装了底层硬件交互的复杂性"。这一观察揭示了编程演进的核心规律：抽象层的堆叠使创造力得以指数级释放。当 API 取代了驱动程序开发，当 React 抽象了 DOM 操作，程序员得以将认知资源投向更高阶的问题域。
当前AI代码生成工具引发的恐慌，本质上是对技术演进规律的误读。GPT-4 和 Devin 等工具展现的 CHOP（Chat-Oriented Programming）能力，并非编程的终结者，而是编程语言进化的最新形态。正如 Steve Yegge 所言："顽固拒绝新工具的开发者将被淘汰，但拥抱 AI 的开发者将获得超能力"。
斯坦福计算机系主任 Mehran Sahami 的洞见在此极具启示性："计算机科学的核心是系统性思维，而非代码写作"。当AI接管语法层面的实现，程序员将回归本源——成为问题域的架构师。微软副 CTO Sam Schillace 的比喻精准而深刻："我们正在发明蒸汽机时代的认知版，需要发展新的控制科学"。
- 元认知工程
AI 系统缺乏人类的连续记忆和反思能力，这催生了新的工程范式。开发者需要构建"思维脚手架"，通过上下文注入、思维链设计等技术，引导AI完成复杂推理。正如 Schillace 在技术博客中强调的："我们正在创造新型思维机器，需要开发认知可靠性工程"。
- 业务逻辑的算法化
Sierra CEO Bret Taylor 揭示的"Agent 工程师"角色，标志着程序员向业务架构师的转型。当企业 AI Agent 需要编码完整的业务流程时，开发者必须深入理解商业本质。这呼应了 Palantir CTO Shyam Sankar 的观点："自动化受限于边界案例，真正的价值在流程再造"。
- Agents 间协议
MIT 最新研究指出，未来 80% 的程序交互将发生在 AI Agents 之间。这要求开发者掌握新型协议设计能力，包括：
-
身份验证的区块链化扩展
-
意图表达的语义标准化
-
异常处理的博弈论模型
- 认知弹性开发
Google Chrome UX 负责人 Addy Osmani 提出的"70% 问题"揭示了 AI 编程的本质矛盾：新手依赖 AI 生成易碎代码，而资深工程师通过领域知识构建健壮系统。这印证了 Chip Huyen 的洞见："AI 没有创造新思维，它揭示了真正需要思考的部分"。
经济史学家 James Bessen 对工业革命的研究为 AI 时代提供了关键隐喻：当纺织机械取代手工织布时，看似"非技术"的工厂操作员实则需要掌握设备维护、流程优化等新技能。AI 时代开发者将经历类似的蜕变：
-
问题蒸馏者：将模糊需求转化为精确的提示词工程
-
价值验证者：在 AI 生成的百种方案中识别最优解
-
伦理守门人：构建 AI 系统的道德约束框架
-
系统驯化师：通过 RLHF 等技术塑造 AI 的行为模式
当编程语言无限趋近自然语言时，真正的变革才刚刚开始。Tim O'Reilly 引用 Simon Willison 的观察："AI 让我敢于构想更宏大的项目"。这预示着：
-
需求端的爆发：医疗、法律、教育等领域将涌现百万级"全民程序员"
-
软件生命周期的重构：从瀑布式开发转向持续演进的有机系统
-
人机协作的量子跃迁：开发者成为"机器思维教练"，通过 few-shot learning 塑造 AI 认知
从 ENIAC 的电缆到 GPT-4 的 transformer，编程始终在追问同一个命题：如何让机器更好地理解人类？当代码逐渐隐入认知后台，真正的编程革命才拉开帷幕。这不是终结，而是新认知纪元的破晓——在这里，每个善于思考的人，都是新世界的建筑师。
正如 O'Reilly 在文末的断言："这不是编程的终结，而是其最新形态的重生"。在这场没有终点的抽象化征途中，唯一不变的，是人类用思维塑造数字世界的永恒渴望。
原文链接：
https://www.oreilly.com/radar/the-end-of-programming-as-we-know-it/