这两年，AI 编程工具确实越来越强了。

Codex、Cursor、Trae、通义灵码这些工具，已经不只是简单补全几行代码。你给它一个需求，它可以帮你生成 Controller、Model、接口、SQL、页面，甚至还能顺手写测试、改 Bug、解释老代码。

以前一个后台 CRUD 模块可能要写半天，现在你描述清楚字段、筛选条件、权限规则，AI 很快就能给出一套看起来能跑的代码。

所以很多人开始说：

程序员是不是快被 AI 替代了？

这个问题我觉得不能简单回答“会”或者“不会”。

如果只是机械地写代码，尤其是重复 CRUD、复制粘贴、改字段、套模板，这部分工作的价值确实在下降。AI 写得快，而且越来越快。

但如果把“会写代码”等同于“能造软件”，那就有点太轻看软件工程了。

AI 能写代码，但它造不出真正的软件。

至少现在，它还造不出一个能长期稳定运行、能扛住真实业务、能处理异常、能上线维护、能对结果负责的软件系统。

代码只是软件的材料，不是软件本身。

---

一、AI 写代码真的很强，这一点不用否认

先说结论：AI 编程工具很强，而且会越来越强。

在日常开发里，它已经能帮我们做很多事情。

比如 PHP 后台开发中，AI 可以快速生成：

• Laravel / ThinkPHP 的 Controller
• Model 查询逻辑
• 表单验证规则
• layui 表格页面
• 后台列表筛选
• Excel 导出代码
• MySQL 查询语句
• API 接口文档
• 简单单元测试
• 老代码解释和重构建议

如果你让 AI 写一个“订单列表接口”，它可能几秒钟就能给你生成类似这样的逻辑：

// 伪代码示例
public function order_list()
{
    $keyword = request()->get('keyword');

    $query = Order::query();

    if (!empty($keyword)) {
        $query->where('order_no', 'like', "%{$keyword}%");
    }

    return $query->orderBy('id', 'desc')->paginate(20);
}

这类代码，AI 生成得又快又稳。

如果只是从“写代码”这个角度看，它确实已经能替代不少重复劳动。

但问题是，真实项目不是只写一个查询接口就结束了。

---

二、代码和软件，不是一回事

很多人讨论 AI 编程时，容易把“代码”和“软件”混在一起。

但真正做过项目上线、维护过后台系统、处理过线上故障的人都知道：

代码跑起来只是开始，能稳定跑下去才叫软件。

代码是什么？

代码可能只是：

• 一个函数
• 一个接口
• 一个页面
• 一条 SQL
• 一个后台按钮
• 一个定时任务
• 一个导出功能

但软件是什么？

软件是一个长期运行的系统。它需要考虑：

• 业务规则是否完整
• 权限边界是否清晰
• 数据是否一致
• 异常是否能回滚
• 日志是否能追踪
• 性能是否撑得住
• 部署是否可控
• 故障是否能恢复
• 后续是否容易维护

AI 可以快速生成代码片段，但软件工程师要交付的是一个系统。

这两者之间，差的不是几行代码，而是一整套工程能力。

---

三、AI 可以生成订单模块，但它不会主动替你兜底

举一个 PHP 后台项目里最常见的例子：订单管理模块。

你告诉 AI：

帮我生成一个订单管理后台，支持订单列表、订单详情、状态筛选、导出 Excel。

AI 很可能很快就能生成：

• 订单列表页面
• 订单详情接口
• 按状态筛选
• 按手机号搜索
• 导出 Excel
• 修改订单状态

看起来功能完整，页面也能跑。

但真正上线前，你要问的问题远不止这些。

1. 订单状态能不能随便改？

后台管理员点一下“已完成”，订单是不是就真的完成了？

如果订单还没支付呢？

如果订单已经退款了呢？

如果订单正在售后呢？

如果用户投诉中呢？

订单状态不是一个简单字段，它背后可能是一套状态机。

待支付 -> 已支付 -> 待发货 -> 已发货 -> 已完成
                 -> 退款中 -> 已退款
                 -> 售后中 -> 售后完成

AI 可以生成一个“修改状态”的接口，但它未必知道你的业务里哪些状态可以流转，哪些状态绝对不能跳。

这就是业务边界。

2. 支付回调会不会重复通知？

支付接口是后台系统里非常典型的坑。

AI 可以帮你写一个支付回调接口：

public function notify()
{
    // 接收支付平台回调
    // 校验签名
    // 修改订单状态
}

但真实环境里，支付平台回调可能会重复通知。

如果你的代码没有做幂等处理，同一个订单可能被重复入账、重复发货、重复发优惠券。

生产环境里这种问题不是“代码有点瑕疵”，而是实打实的资损风险。

支付回调至少要考虑：

• 签名校验
• 金额校验
• 商户订单号校验
• 订单状态校验
• 幂等处理
• 事务控制
• 回调日志
• 异常补偿

AI 可以写出回调代码，但它不会替你承担支付事故。

AI 生成的是答案，工程师负责的是后果。

3. 后台权限是不是越权了？

后台管理系统不是页面能打开就行。

比如订单管理里，不同角色可能有不同权限：

• 客服只能查看订单
• 财务可以查看支付金额
• 仓库只能处理发货
• 超级管理员可以修改状态
• 普通运营不能导出手机号

AI 生成后台页面时，可能会帮你生成按钮、接口、路由。

但它经常忽略一个问题：

这个人有没有资格操作这条数据？

很多系统的漏洞，不是 SQL 写错了，而是权限边界没守住。

前端隐藏按钮不等于权限控制。

真正的权限必须在后端接口里校验：

• 当前用户是谁
• 属于哪个角色
• 是否拥有当前操作权限
• 是否能访问当前数据范围
• 敏感字段是否需要脱敏

后台系统里，权限不是装饰，是底线。

4. 用户导出 50 万条数据会不会拖垮系统？

AI 很容易生成一个导出 Excel 的功能。

小数据量时没问题，几十条、几百条都很顺。

但如果运营一次导出 50 万条订单呢？

可能出现：

• PHP 内存爆掉
• 请求超时
• MySQL 被慢查询拖住
• Nginx 返回 504
• 服务器 CPU 飙升
• 用户反复点击导出造成重复任务

真实项目里，导出不是简单的 select * 然后写 Excel。

更稳妥的做法可能是：

• 限制导出条件
• 限制最大导出条数
• 大数据走队列
• 分批查询
• 生成临时文件
• 导出完成后通知用户
• 记录导出日志
• 敏感字段脱敏

AI 能写出“导出功能”，但未必会主动判断这个导出在生产环境下是否安全。

---

四、Demo 到生产环境，中间隔着软件工程

很多 AI 演示都停在最舒服的位置：

输入一句需求，生成一堆代码，页面跑起来，功能完成。

但真实项目不是这样。

真实项目往往从第一个异常用户、第一个脏数据、第一个慢 SQL、第一个线上告警开始变复杂。

Demo 追求的是“看起来能用”。

生产环境追求的是“长期稳定可用”。

这中间至少差了这些东西。

---

五、异常处理：不是报错了再说

很多 AI 生成的代码，主流程通常没问题。

但软件真正麻烦的地方，往往在异常流程。

比如：

• 数据库写入失败怎么办？
• 第三方接口超时怎么办？
• 支付成功但订单更新失败怎么办？
• 队列消费失败是否重试？
• 重试多次失败是否告警？
• 用户重复提交怎么办？
• 文件上传一半失败怎么办？

如果没有异常处理，代码在本地看起来很正常。

但一上线，就会暴露各种问题。

真正的软件工程不是只写成功路径，而是要处理失败路径。

因为生产环境里，失败一定会发生。

---

六、数据一致性：系统最怕“半成功”

后台系统里，最怕的不是直接失败，而是半成功。

比如订单支付流程：

1. 用户支付成功
2. 支付平台回调成功
3. 系统更新订单状态
4. 系统增加用户积分
5. 系统发送优惠券
6. 系统通知仓库发货

如果执行到第 3 步成功，第 4 步失败，怎么办？

如果订单状态改了，但积分没加，算成功还是失败？

如果优惠券发了，但订单后来回滚了，怎么办？

这就不是简单代码生成能解决的问题，而是事务、幂等、补偿、状态机的问题。

AI 可以帮你写代码，但系统一致性需要工程师设计。

---

七、安全问题：AI 写得快，漏洞也可能来得快

AI 生成代码时，经常会写出看起来很自然的逻辑。

但安全问题往往藏在细节里。

PHP 项目里常见的问题包括：

• SQL 注入
• XSS
• CSRF
• 文件上传漏洞
• 越权访问
• 敏感信息明文返回
• 日志里打印手机号、身份证、token
• 后台接口缺少权限校验
• 支付回调缺少签名验证
• API 没有限流

AI 不一定知道你的系统安全等级，也不知道哪些字段是敏感字段。

它生成代码很快，但如果工程师不审查，漏洞也会被很快生成出来。

所以 AI 写代码越快，代码审查越重要。

---

八、性能问题：能查出来，不代表查得动

AI 很擅长写 SQL。

但能查出来，不代表查得动。

比如一个订单列表：

select * from orders
where mobile like '%138%'
order by id desc
limit 20;

在几千条数据时，没什么问题。

到了几百万、几千万数据时，可能就是慢查询。

实际项目中还要考虑：

• where 条件是否能走索引
• order by 是否命中索引
• like 前置百分号是否导致全表扫描
• 大表分页是否越来越慢
• 是否存在 N+1 查询
• 是否需要冗余字段
• 是否需要分表或归档
• 是否应该走搜索引擎

AI 可以给出 SQL，但性能要靠工程经验验证。

尤其是后台管理系统，很多问题不是功能不能用，而是数据量一大就开始崩。

---

九、日志和追踪：没有日志，就没有真相

线上出问题时，最怕的不是报错。

最怕的是不知道发生了什么。

比如用户说：

我明明支付了，为什么订单还是待支付？

如果系统没有日志，你只能猜。

一个成熟的软件系统，至少应该能追踪：

• 谁操作了
• 操作了什么
• 请求参数是什么
• 第三方接口返回了什么
• 数据库更新结果是什么
• 队列是否执行成功
• 失败原因是什么
• 是否重试过

AI 可以生成业务代码，但它经常不会主动帮你设计完整日志链路。

而没有日志的系统，一旦出问题，排查成本会非常高。

AI 不怕线上故障，因为它不用接电话。

但工程师要接。

---

十、上线运维：代码合并不等于交付完成

很多人觉得代码写完、提交、合并，就算完成了。

但真正的软件交付还包括：

• 环境配置
• Nginx 配置
• PHP-FPM 参数
• 定时任务
• 队列进程
• 文件权限
• 日志切割
• 缓存清理
• 数据库迁移
• 灰度发布
• 回滚方案
• 监控告警

尤其是 PHP 项目，线上环境里一个小配置都可能导致问题。

比如：

• 上传目录没权限
• 队列进程没启动
• 定时任务没配置
• PHP 扩展缺失
• Nginx 转发路径不对
• .env 配置错误
• 缓存没清导致代码不生效

这些问题，AI 不一定能从代码里看出来。

因为软件不是只存在于编辑器里，它还运行在服务器、数据库、缓存、队列、网络和用户行为里。

---

十一、工程师的价值正在迁移

我不认为 AI 会让工程师失去价值。

但它确实会改变工程师的价值结构。

以前很多人的价值体现在“我能写很多代码”。

以后这件事会越来越不值钱。

因为 AI 写代码很快，模板代码、重复代码、常规 CRUD 的成本会持续下降。

但工程师真正的价值会迁移到这些地方：

• 能不能定义清楚问题
• 能不能拆解复杂需求
• 能不能设计合理的数据结构
• 能不能识别业务风险
• 能不能审查 AI 生成的代码
• 能不能发现隐藏的安全问题
• 能不能优化慢 SQL
• 能不能处理线上故障
• 能不能让系统长期可维护

换句话说，未来值钱的不是“会写代码的人”，而是“能把复杂业务变成稳定系统的人”。

AI 会让强工程师更强，也会让只会机械写代码的人越来越危险。

---

十二、AI 是放大器，不是负责人

我现在并不排斥 AI 编程工具。

恰恰相反，我认为开发者应该主动使用 AI。

它能提高效率，减少重复劳动，让我们更快理解旧代码，更快生成初稿，更快验证想法。

但我们也要清楚一件事：

AI 是放大器，不是负责人。

你让它生成一个接口，它可以生成。

但接口该不该这么设计，参数是否合理，权限是否完整，异常是否覆盖，性能是否撑得住，出了问题谁来排查，这些都还是工程师的责任。

AI 可以参与开发，但它不能替你对系统负责。

---

十三、不要神化 AI，也不要轻视软件工程

AI 能写代码，这是事实。

AI 写代码越来越快，也是事实。

但“写代码”和“造软件”之间，隔着业务、架构、安全、性能、运维、团队协作和长期维护。

一个能跑的 Demo，离一个能上线的软件，中间差的不是几行代码。

差的是：

• 需求边界
• 数据模型
• 权限设计
• 异常处理
• 事务一致性
• 性能优化
• 安全控制
• 日志追踪
• 部署运维
• 故障兜底

这些东西，才是软件工程的重量。

---

结尾：软件最后能不能活下来，还是要看工程师

我相信 AI 会继续进步。

以后它会写更多代码，理解更多上下文，调用更多工具，甚至可以通过 MCP、Function Calling、Agent Skills 去连接数据库、浏览器、接口文档和线上日志。

但即便如此，我仍然认为：

AI 能写代码，但它造不出真正的软件。

因为真正的软件，不是生成出来的。

它是一轮轮需求沟通、架构设计、代码审查、测试验证、上线部署、故障修复、性能优化和长期维护熬出来的。

AI 可以帮我们把代码写得更快。

但软件最后能不能稳定运行，能不能扛住真实业务，能不能在出问题时找到原因，能不能让用户放心使用，还是要看工程师。

所以，未来不是“AI 替代工程师”。

更准确地说，是：

会用 AI 的工程师，会淘汰不会用 AI 的工程师；
懂软件工程的人，会淘汰只会机械写代码的人。

代码会越来越便宜。

但能承担复杂度、控制风险、对结果负责的人，会越来越值钱。