意图工程

"意图工程"概括了 AI 时代程序员角色的根本位移：当代码生成的边际成本趋零，"把明确需求翻译成代码"这个中间环节被 AI 接管，工程师的核心能力从精通语法迁移到精准表达意图、管理语境、审核概率性产出。导火索是 OpenAI 联合创始人卡帕西那条被浏览 500 万次的推文——"作为一名程序员，我从未感到如此落后"——被业界称为"卡帕西时刻"。这不是个人谦虚，而是对职业底层逻辑崩塌的敏锐洞察。[^2]²

本页是 智能即劳动 综合页"生产方式层"的能力迁移面，与 垃圾代码（质量危机面）互补。

地质学隐喻：从挖掘基岩到引导风暴

旧世界里，软件抽象层像地质沉积物缓慢稳定积累：机器码是基岩，C/内核是岩石层，Python/库是肥沃土壤。工程师是地质学家和矿工，向下挖掘确定的逻辑，构建坚固城堡——每行代码是一块砖，按蓝图堆砌大厦就不会倒。[^2]²

而卡帕西描述的"新可编程抽象层"（agents、subagents、prompts、contexts、memory、MCP、LSP、slash commands……）不属于这个地质结构，它更像悬浮在所有地层之上、充满电荷的风暴：流动的、气态的、混沌的。它不遵循牛顿力学的确定性（输入 A 必得 B），而遵循量子力学的概率性（输入 A，可能得 B，也可能幻觉出 C）。人类工程师被迫从脚踏实地的"建造者"变成在风暴中驾驭闪电的"引导者"——这种从"确定性工程"向"概率性意图编排"的迁徙，正是全行业"存在主义焦虑"的根源。[^2]²

控制权的倒置：人类成为副驾驶

英伟达科学家 Jim Fan 的概括最精炼："2024 年，AI 是副驾驶；2025 年及以后，人类是副驾驶。"[^2]²

sequenceDiagram
    participant H as 人类（指挥官/战略家）
    participant A as AI 代理（执行者）
    participant R as 审查者（批评者 AI / 测试套件）
    Note over H,R: 2024 模式：人写函数 → AI 补全 → 人粘贴修改
    Note over H,R: 2025+ 模式（三人编程）
    H->>A: 定义意图："为项目加用户登录功能"
    A->>A: 自主规划：改 Schema→更新 API→写前端
    A->>R: 提交代码接受质疑
    R->>A: 对抗性审查："边界条件会死循环吗？"
    A->>H: 通过审查的代码呈递
    H->>A: 最终 Merge 决策

离开驾驶座有心理阵痛：习惯掌控每个字节的程序员，看着 AI 自动改几十个文件、跑测试、甚至提交代码，会本能恐惧"失控"。工程师必须学会通过观察 AI 的推理过程（思维链）而非底层代码来建立"信任模型"。[^2]²

语境工程：新的基本功

随着"提示词工程"过时，谷歌工程负责人 Addy Osmani 提出更系统的语境工程（Context Engineering）——为 AI 提供成功完成任务所需的全部信息与工具的系统化过程。在有限的上下文窗口里，每个 token 都是宝贵资源，塞入无关信息会稀释注意力导致"迷失中间"。其四支柱：[^2]²

prompt 不再是聊天输入，而是新时代的源代码——但具有极高不稳定性，同一 prompt 在不同模型版本会产生截然不同结果，于是出现"prompt 版本控制"与"自动化评估管线"。正如卡帕西所言，英语正在成为最热门的编程语言，但这要求说话者具备极高的逻辑精确度。[^2]²

Software 3.0：意图为什么成为程序材料

本期源稿把这次迁徙放进 Software 3.0 的三代框架：Software 1.0 由人写规则，Software 2.0 由人准备数据和训练目标，Software 3.0 则由人用自然语言提供任务、上下文与约束，让大语言模型充当解释器。[^3]³ 这给“意图工程”补上了媒介层解释：prompt 之所以像源代码，不是因为英语突然获得确定性，而是因为模型已经能把语言接到工具、代码和环境行动上。

但意图上移并不意味着规格消失。源稿记录的 MenuGen 支付 bug——直接用邮箱关联 Google 登录与 Stripe 付款——说明 AI 可以完成实现，却可能漏掉跨系统身份必须由统一用户 ID 绑定这一关键合同。[^3]³

flowchart LR
    A[自然语言意图] --> B[上下文与工具]
    B --> C[AI 生成实现]
    C --> D{独立验收}
    D -->|身份/安全/结果通过| E[可交付系统]
    D -->|合同遗漏| F[修正规格]
    F --> A

因此，人作为“建筑师”、AI 作为“施工队”不是身份口号，而是一条责任链：人要定义什么值得做、哪些身份不可混淆、失败如何暴露、结果由谁负责；AI 再在这些边界内扩展实现速度。这个分工与参差智能相连——模型能力地形不均匀，越无法自动验证的环节，越不能只凭流畅产出放行。

70% 陷阱与三人编程

AI 擅长快速完成前 70%（脚手架、样板、初稿），给人"快做完了"的错觉，但真正的工程挑战在剩下 30%（边缘情况、系统集成、性能/安全/可维护性）。谷歌内部数据显示，引入 AI 辅助后 Pull Request 审查时间反而暴涨 91%——"写得快、审得慢"正在抵消效率红利。[^2]²

解法是三人编程（Trio Programming）：人类工程师（指挥官，定义意图、做 Merge 决策）+ AI 代理（执行者，生成代码）+ 审查者（批评者 AI 或严格测试套件，只负责质疑找错）。让 Agent 生成、Reviewer 攻击，"左右互搏"过滤掉低级错误和幻觉——这与频道 人机协作五种范式 一脉相承。

价值链两端迁移与"无 AI 挑战"

工程师价值向两端挤压：上游（产品定义与系统设计，决定"做什么"比"怎么做"更重要）、下游（质量保证与系统运维）；中间"翻译需求成代码"的环节交给 AI。同时 Addy Osmani 提醒定期做"无 AI 挑战"——像飞行员定期手动飞行一样，关掉 Copilot 独自面对空白编辑器，保持验证 AI 代码的能力，否则沦为 垃圾代码 里"氛围编程的奴隶"。[^2]²

相关页面

• 垃圾代码 — 同一迁徙的质量危机面
• 智能即劳动 — 本页是其"生产方式层"能力迁移面
• 人机协作五种范式 — 三人编程的范式谱系
• 文凭祛魅 — 当语法不再值钱，CS 学位的护城河随之干涸
• 应用的消解 — 意图越过 App 中间层直达任务结果
• Andrej Karpathy — Software 3.0 与“理解不能外包”的人物接缝

从生成产出到最终判断：就业降级中的能力方向

《AI没裁掉你，但正在把你变成零工。》把能力迁移的问题从编程扩展到白领工作：主理人认为，只学习更快的信息处理技能可能不足以形成持久壁垒，真正需要追问的是 AI 完成产出后，还有哪些环节必须由人把关。[^4]⁴ 这为本页的“定义意图与审核产出”补上了工作价值的讨论，但不意味着 AI 自动化后的每个岗位都能转型成功。

源稿以市场分析为例：生成报告与决定哪个洞见值得投入公司下一年的战略资源，是两种不同责任。[^4]⁴ 下面是主理人提出的四个能力方向，属于职业判断，不是已证明的人类永久专属能力清单。[^4]⁴

本期的岗位变化整理见就业降级，其测量基础与研究限制见动态职业AI暴露。边界：这些是主理人的应对思路，不构成保证就业、投资或职业转换成功的建议；源稿关于 AI 当前局限的判断也不能外推为技术永远无法跨越的边界。

[^2]: AI_时代程序员的焦虑与未来.md [^3]: Karpathy说你写的App根本不该存在。.md [^4]: AI没裁掉你，但正在把你变成零工。.md

注释

1. AI_时代程序员的焦虑与未来 ↩
2. Karpathy说你写的App根本不该存在。 ↩
3. AI没裁掉你，但正在把你变成零工。 ↩