比起失业，程序员可能更怕失去“解题的乐趣”。 那种死磕大半天，终于调通 Bug 的心流和爽感，以后是不是就体验不到了？…

比起失业，程序员可能更怕失去“解题的乐趣”。

那种死磕大半天，终于调通 Bug 的心流和爽感，以后是不是就体验不到了？

Spotify 的工程副总裁 Niklas Gustavsson 以前也有这个焦虑。

他是个硬核技术宅，业余时间甚至会去打竞技编程。

当 AI 开始大包大揽写代码时，他挺发愁的：我是来解决问题的，AI 把题都答完了，那我干什么？

结果真正用上之后，他发现自己想多了。

现在他的后台同时挂着 5 个 AI Agent 在疯狂干活。

他从一行行抠代码的“工匠”，变成了这 5 个 Agent 的“调度员”。

这种工作方式的转变，直接打破了个人能力的物理边界。

以前进一个完全不熟悉的陌生代码库，光是看文档、理架构、配环境，就要花上几天甚至几周。

现在，他可以直接杀进去，让 AI 帮他做跨库的贡献。

这就是大型工程组织正在发生的质变：

AI 不只是替你写代码，它正在把你的边界无限拓宽。

根据 Spotify 官方披露的数据，他们现在每天往生产环境部署 4500 次，其中高达 73% 的 PR（拉取请求）已经有了 AI 的辅助。

以前，你有一个新想法，想在手机端和后端做个端到端的原型，你得磨破嘴皮子去动员一整支工程团队配合你。

现在，你用自然语言跟 Claude 聊上一两个小时，一个能跑的 Prototype 就出来了。

当“实现成本”被 AI 压缩到近乎为零，研发的瓶颈就彻底变了。

省下来的时间，不再被困在琐碎的语法和调试里。

你得去想下一步该做什么，去和客户聊天，去疯狂地验证新的点子。

解题的乐趣没有消失，它只是升级了。

以前你是在用放大镜雕刻一颗螺丝钉，现在你是在指挥一个军团去盖大楼。