每隔一阵，AI 圈就会出现一波「AI 会取代 XX」的讨论。程序员、设计师、写作者、会计师……换个主语，结论好像都一样。

但我在 2024 年的一期视频里就认真回答过这个问题：AI 会替代一部分「只负责执行」的工作，但真正决定你能不能留下来的，是更上层的能力——把需求想清楚、把任务拆清楚、把验收标准写清楚，并且对结果负责。

今天把当时的答案整理成文章。因为到现在，它仍然成立。

「AI 会取代程序员」——这句话里藏着一个没被说清楚的前提：你说的是哪种程序员？做的是哪部分工作？

完成一项技术任务，需要三种能力：

AI 在第 2 项上已经强到可以替代大部分人。需求明确、方案明确、指令明确的情况下，AI 写代码又快又准。如果一个程序员的全部能力就是「熟练运用编程语言」，那不管是 2024 年还是 2026 年，在 AI 面前都没有胜算。

但第 1 项和第 3 项，AI 做不到。

AI 抹平的是语言鸿沟，不是能力鸿沟。 就好比突然有一天世界上所有语言都统一了——你不用再学英语、法语、西班牙语，但这不意味着你能变成作家或演说家。

不仅仅是程序员。所有处于「初级执行」阶段的白领职位——数据分析、初级会计、律师助理——只要工作内容是「按明确标准交付」，都面临同样的压力。

我在 2024 年那期视频里演示过一个真实的编程案例。

任务很简单：用 AI 写一段代码，批量修改视频编辑软件里的字幕动画参数。AI 理解目标没有任何问题，代码写得很快，运行也没报错。

但就是不起作用。

原因是 AI 找错了数据之间的对应关系。在项目文件的数据结构里，有很多 ID 之间的映射，AI 选错了。我只好自己翻了一遍项目文件，找到正确的映射，告诉它。然后 AI 立刻写出了正确的代码，一键批量修改完成。

这个例子说明的核心问题是：

AI 越强，执行越廉价。但方案设计和问题定位越值钱。

每次讨论到这里，都会有人说：AI 现在还不够聪明，等以后更聪明了，Prompt Engineering 就没用了，所以不用学。

这个说法至少忽略了三点。

第一，时间成本。

假设 5 年后 AI 发展到真的不需要 Prompt Engineering 了——你打算等吗？你觉得那些一直在用 AI、一直在练习的人，5 年后会突然傻眼，然后被你超越？

第二，沟通的本质。

AI 什么时候才不需要 Prompt？除非它能像三体人一样读心。否则，只要你用语言传达意图，沟通效率就取决于逻辑和表达清晰度。人和人之间还经常鸡同鸭讲，何况跟机器？

Prompt Engineering 的本质是教你用人类语言跟 AI 更好地沟通。就像学计算机科学——你学的不只是编程语法，你学的是解决问题的思路。学一条 Prompt 技巧，比如各种框架，那等于学了一个编程语法。而学会用 Prompt 解决问题——怎么拆解任务、怎么设定目标、怎么约束输出、怎么验收结果——那才叫 Engineering。

拆解任务本身就不是一项简单的能力。

第三，控制权。

AI 能优化你的 Prompt 了，那 Prompt 优化工具会不会取代 Prompt Engineering？不会。为什么有人喜欢越狱手机？一切让操作系统帮你管理不好吗？因为很多人更愿意掌握控制权。

AI 在优化你的 Prompt 时，会代替你做决定，你就会丧失控制。Gemini 曾经优化用户的提示词，优化到用户没办法画出一个白人——这就是失控的例子。

所以问题的本质不是「Prompt 会不会过时」，而是「把需求想清楚、说清楚、验收清楚」这项能力会不会过时。

答案很明显。

落到行动上，就三件事：

这三件事——清晰表达、任务拆解、验收定位——也是我在 MAPS 体系里反复训练的核心能力。不是追工具，而是造系统。

这套观点我在 2024 年 4 月的视频里完整讲过，并用真实编程案例做了全程演示。那期视频至今大约 50 万次观看。

两年过去了，AI 的能力翻了好几倍。但这些答案一个字都不用改。

AI 越强，"工程"两个字越值钱：定义需求、设计流程、控制质量、验收结果。

这些事 AI 替不了你做。除非它能读心。

原视频（2024 年 4 月发布）：

这期视频完整演示了一个真实的编程案例：AI 写代码快且准，但找不到数据结构的对应关系，最后还是需要人来定位问题。如果你想看具体过程，视频里有全程录屏。