当孔乙己遇上ChatGPT：一个程序员的午夜思考
· 10min
原文灵感：《孔乙己：一个AI工程师的消失》 by Lightman_Lu
今天在论坛刷到一篇文章，把孔乙己的故事搬到了现代科技公司：咸亨酒店变成了办公室，长衫换成了格子衫，“茴”字的四种写法也成了解决”梯度消失”的N种方案。
看完，我先是笑了，但笑着笑着，就再也笑不出来了。
镜子里的自己
这让我想起了刚毕业的自己。
那时满嘴跑火车，把”React Hooks”、“性能优化”、“SSR/SSG”这些时髦词汇挂在嘴边，恨不得全贴在脸上。面试时，明明只是个简单的后台管理系统，却非要吹成”极致的用户体验”和”毫秒级的首屏渲染”。
说什么”深入理解虚拟DOM diff算法”、“精通Webpack配置优化”、“掌握微前端架构”，实际上连useEffect的依赖数组都经常写错，CSS居中还得靠Google。
现在回看，那时的我与文中的孔乙己何其相似？
我们都试图用一堆自己都没彻底搞懂的概念，来掩饰内心的不安与底气不足。
最讽刺的是，工作几年后才发现，日常大部分工作仍是调样式、处理兼容性、对接口。那些号称”现代化”的前端架构，最终大多沦为了npm包的堆砌。
“找工作难，但工作不难”
上周，一位朋友跟我吐槽现在找工作的现状：
“招个前端，要求懂后端；招个后端，要求懂算法；招个算法，要求懂业务。”
他停顿了一下，苦笑道：
“结果进去一看，天天就是调参数、写文档、开会。”
他用一句话精辟地总结：“门槛高得像围墙，进去才发现里面是个菜园子。”
这种严重的错配，直接导致了疯狂的内卷。为了一个普通的开发岗，你得：
- 刷几百道算法题
- 背熟几十篇八股文
- 做几个看起来高大上的个人项目
可结果呢？入职第一天，领导拍拍你的肩膀：“来，先熟悉一下咱们的代码规范。“
别做技术的奴隶
去年，公司来了位新人。
当大家都在自我介绍”精通React全家桶、熟悉Vue3生态、掌握前端工程化”时，他只说了一句：
“我之前解决了移动端页面在iOS上的白屏问题。”
当时，我们心里都默默地想：就这？
半年后，他成了项目组的核心。
后来混熟了才知道，这位老兄的技术深度或许不算顶尖，但解决实际问题的能力超强。客户一提出难题，他总能找到办法——方案也许不够优雅，但绝对管用。
这件事给了我一个巨大的启发：
技术是工具，而非目的。
与其追求掌握十八般武艺，不如将一招一式练到极致。更重要的是，要清楚什么时候、以及如何运用你的”绝招”。
三十五岁不是终点
最近，部门里在讨论程序员的职业生涯究竟能走多远。
很多人都说三十五岁是道坎，要么转管理，要么被”优化”。
但我认识一位四十多岁的老哥，至今仍在一线写代码。他的特别之处在于，不再盲目追逐新技术，而是几十年如一日地深耕数据库优化领域。如今，许多公司遇到棘手的性能问题，都会高薪请他去做顾问。
他曾这样对我说：
“年轻人会的新东西，我不一定会。但我会的这些，他们至少得踩好几年的坑才能真正掌握。”
所以，与其为年龄感到焦虑，不如静下心来思考：
十年后，你能为团队或客户提供什么不可替代的价值？
在AI浪潮中保持清醒
2022年底，ChatGPT横空出世，整个行业为之震动。
同事们每天都在讨论AI是否会取代程序员。有人开始疯狂钻研Prompt工程，有人则迅速转行去做AI产品经理。
如今两年多过去，各种AI编程助手——Cursor、GitHub Copilot、Claude、Windsurf等AI IDE层出不穷，可我们不还是照常写代码、改bug、开会吗？
我倒觉得，过度的恐慌大可不必。
历史总是惊人的相似。
还记得吗？
- 工业革命来临时，手工业者担心失业，结果却创造了更多新职业
- 打字机出现时，书法家说文字会失去灵魂，但书法反而成了艺术
- 计算器普及时，大家担心数学能力退化，但我们却因此能处理更复杂的问题
- Excel诞生时，会计们恐慌，结果他们从记账员变成了数据分析师
每一次技术革命，都会有人喊”狼来了”。但真相是：狼确实来了，只是它不吃人，它吃的是低效。
这就像移动互联网浪潮兴起之时，大家也曾同样焦虑。结果呢？许多当初抢着转行做iOS开发的人，后来又回到了原点。真正吃到时代红利的，反而是那些将原有技术与新场景巧妙结合的人。
技术浪潮来了又去，但有些核心能力是永恒的：
- 解决问题的能力 - 不是解决LeetCode，而是解决用户痛点
- 与人沟通的能力 - 代码是写给人看的，顺便给机器执行
- 持续学习的能力 - 不是追热点，而是有选择地深入
- 保持好奇心 - 对技术好奇，更要对业务和用户好奇
AI时代的”蒸馏”现象
说到AI，不得不提原文中那个绝妙的比喻——“蒸馏”。
在AI领域，“蒸馏”是指用大模型的输出来训练小模型。孔乙己辩解说”蒸馏不能算抄”，这不正是我们现在的写照吗？
- 用ChatGPT写代码，算不算”蒸馏”？
- 用Copilot补全函数，算不算”蒸馏”？
- 让AI生成单元测试，算不算”蒸馏”？
我们一边享受着AI的便利，一边又担心被AI取代。这种矛盾，就像孔乙己一边依赖OpenAI的接口，一边又要证明自己懂大模型。
但我想说的是：与其纠结是否在”蒸馏”，不如思考如何”升华”。
AI是工具，就像当年的jQuery、现在的React。真正的价值不在于你用什么工具，而在于你用工具创造了什么。
就像我现在，经常让AI帮我：
- 生成样板代码（省下时间思考架构）
- Review代码逻辑（多一双眼睛总是好的）
- 编写测试用例（覆盖更多边界情况）
- 优化性能瓶颈（AI确实能发现一些盲点）
这让我能把更多精力投入到用户体验设计和业务理解上。
留下什么，比带走什么更重要
故事里的孔乙己，最终在人们的视线中消失了。
看板上的Bug还挂在那里，但修复它的人已经不在。
这不禁让我反思：如果明天我离开了这家公司，我会留下什么？
- 是几行无人问津的代码，还是一套真正为用户解决问题的方案？
- 是一堆无人维护的文档，还是一个能独当一面的后辈？
- 是技术债务的累积，还是可持续发展的系统架构？
技术会过时，公司会倒闭，但你创造的价值、建立的连接、积累的智慧，将永远伴随着你。
写在最后
别成为新时代的孔乙己。
不是因为他迂腐或技术不精，而是因为他固步自封，沉溺在自己的小世界里，看不见真正重要的东西。
夜深了，该睡了。
明天还要改bug。
不过这次，我会记得先问问自己：
- 这个bug，真的非改不可吗？
- 用户真的在乎这个细节吗？
- 有没有更本质的问题需要解决？
后记： 本文内容由AI辅助编辑生成。是的，你没看错，一个担心被AI取代的程序员，用AI写了篇关于不被AI取代的文章。
这算不算另一种”蒸馏”？🤔
毕竟，正如孔乙己所说：“蒸馏不能算抄，蒸馏！……训练模型的事，能叫抄么？”