AI时代，开发者需工程思维与实践

当智能体可以连续工作多日，开发者的价值该如何定义？

在AI技术飞速迭代的当下，不少人都有着共同的焦虑：新模型几乎每周更新，新工具刚掌握就可能被替代，我们到底应该学习哪些技术？哪些能力才能在快速变化的行业中保持竞争力？

在2026年谷歌开发者大会期间，一场针对AI时代开发者价值的深度对谈展开，我们聊到了中国开发者出海、智能体开发的下一步、AI时代开发者能力的变化，以及一个愈发关键的问题：当写代码的门槛不断降低，我们该如何重新理解开发者与构建者？

访谈嘉宾给出的核心答案很直接：与其问“我该学习什么技能”，不如先问“我到底想解决什么问题”。以下是本次访谈的核心内容。

一、全球开发者生态的支持体系

作为全球开发者生态的建设方，相关团队通过两类核心项目助力从业者成长：一类是遍布各地的线下社区活动，这类活动为开发者提供了交流学习的场景，帮助他们连接同行、分享经验；另一类是针对技术专家的支持计划，入选的专家会持续产出技术内容、开展分享，并为社区提供导师支持，让技术经验能够有效传递下去。

这类项目的价值不只是帮助开发者学习单一工具，更在于让他们找到同行、获得反馈，并将自身经验分享给更多人。技术始终在更新，但开发者的成长从来不是孤立发生的，而是在交流、实践与协作中逐步完成。

二、中国开发者的独特优势与出海挑战

当被问及对中国开发者的看法时，嘉宾指出，中国团队在开发速度与创新能力上都展现出了全球领先的水准，但当他们尝试将AI产品推向全球市场时，往往会面临新的挑战：不同地区的监管政策、商业环境、数据规则存在差异，一个在本土表现优异的产品，进入欧洲等海外市场时，需要重新适配当地的数据隐私、存储与主权相关的规则。

此时，熟悉当地市场的本地经验连接就显得尤为重要，能够帮助团队减少试错成本，更快完成落地。相比单纯提供技术工具，本地经验的连接往往能帮助创业团队更快调整策略。

三、智能体时代的开发逻辑重构

谈到开发者的下一个机遇时，嘉宾提到了智能体开发的浪潮。目前智能体开发仍处于早期阶段，不少企业最初的尝试都是用智能体优化现有业务流程，比如让智能体持续处理重复工作以提升效率，或是缩短任务完成的时间。

但嘉宾强调，这只是最基础的一层思考，真正值得探索的问题是：当智能体可以24小时不间断运行时，哪些原有流程已经不再必要？我们能否基于智能体的能力重新设计整个业务？

就像当我们能够制造汽车时，就不该再局限于改进马车的速度——AI带来的变革，不应只是让旧流程变得更快，而是要从产品、组织方式与商业模式上进行全面重构。

四、以长远视角规划技术应用

嘉宾建议开发者不要仅围绕当前模型的能力设计产品，更要思考未来的技术演进：三个月后的模型会发展到什么程度？六个月后又会有哪些新的能力落地？

当前一个明显的趋势是，智能体能够自主运行的时间正在不断拉长，从最初仅能完成简单任务，到未来可以持续运行数小时、数天甚至更久。当智能体可以长时间自主运行时，开发者面临的核心问题也会发生转变：我们是否清晰定义了要解决的问题？什么样的结果才算真正的成功？如何判断智能体确实完成了预期任务？

如果目标本身不清晰，智能体运行越久，偏离方向的风险就越高。因此，AI时代的开发者不仅需要会调用模型，更要具备定义问题、设定边界与评估结果的能力。

五、AI普及下工程思维的价值凸显

随着AI编码工具的成熟，一些传统的开发技能价值正在发生变化，比如精准记忆编程语言语法或是熟悉特定API的细节，这类能力的重要性正在下降，就像汇编语言的价值随着高级编程语言与编译器的普及而改变一样。

但这并不意味着开发者的重要性降低，恰恰相反，基础的工程思维会变得更加关键。开发者需要能够理解问题的真实需求、将复杂任务拆解为更小的单元、为不同智能体分配任务、判断每个环节是否达到预期结果。

除此之外，开发者还需要学会设计评估机制，也就是通过明确的测试与标准，判断智能体是否真正完成了目标任务。这种能力并非易事，需要经验、判断力与大量的思考，开发者必须能够清晰地界定问题与成功的标准。

六、理解用户的能力永远不会过时

技术形态与交互方式一直在变化，今天我们主要通过键盘、鼠标与触控屏与计算机交流，未来语音、增强现实等新的交互方式可能会逐渐普及。但嘉宾指出，人类本身的认知优势与局限并没有发生根本变化，因此理解用户如何使用产品、如何理解信息、如何做出决策，依然是开发者至关重要的能力。

技术形态会不断迭代，但洞察用户需求的能力永远不会过时。

七、开发者的新角色：智能体团队的管理者

访谈中嘉宾提出了一个有趣的判断：未来每一位开发者与构建者，都需要开始将自己视作一名管理者。

过去开发者可能习惯独立工作或是在小团队中协作，但在智能体时代，一个开发者可能同时管理多个智能体，比如六个智能体处理一个问题，三个处理另一个，还有更多执行其他任务。此时开发者面临的问题会越来越像团队管理者：智能体之间能否顺畅沟通？它们是否记录了工作进度？任务优先级是否正确？是否存在重复工作或是互相干扰的情况？

因此，未来的开发者不仅需要懂技术，还需要掌握协调、分工与管理智能体团队的能力，这类管理能力过去可能并非开发者的必备技能，但未来会成为重要的竞争力。

八、专业知识与AI结合：人人都能成为构建者

随着自然语言与AI工具的发展，越来越多没有计算机科学背景的人也能够构建自己的AI应用，开发者与构建者之间的边界正在逐渐模糊。

嘉宾用电子表格的发展做了类比：几十年前，能够构建复杂数据处理系统的人会被视为专家级程序员，但后来电子表格让更多人能够完成类似的工作，不需要专业的编程背景，懂金融、会计、教育或政策的人都可以借助工具解决领域内的问题。

今天我们正处在相似的阶段，越来越多的构建者并不具备传统计算机科学背景，但他们对自身领域有深刻的理解，AI与智能体工具正在赋予他们构建应用、设计流程与处理数据的能力。

嘉宾对构建者的定义是：任何依靠AI完成自身工作的人都可以被称为构建者。从这个角度来说，未来几乎每个人都有可能成为构建者，他们可以为自己的生活构建工具，为非营利组织解决问题，或是为公司设计新的业务流程，未来AI工具可能会像今天的电子邮件与电子表格一样，成为日常工作的标配。

九、对AI发展速度的重新认知

当被问及如果回到生成式AI爆发前夕，最想告诉当时的自己什么时，嘉宾的回答是：技术发展的速度会比你想象得快得多。

在生成式AI发展的早期，包括嘉宾在内的不少人都曾怀疑模型能力是否会沿着指数曲线持续增长，认为真正有价值的能力还需要五到十年甚至十五年才能出现。但现实的发展速度远超当时的预期，如今前沿模型已经能够在更长的时间跨度内运行，可以自主处理更多任务，也开始展现出协作与自我修正的能力，一些原本被认为需要五到十年才能实现的能力，可能在未来一两年内就会出现。

因此，真正值得思考的问题是：我们今天应该如何设计工具、公司与流程，才能提前适应这样的未来？

十、摆脱技能焦虑：从问题出发学习

这是不少AI学习者最关心的问题，新模型与新产品几乎每周都在出现，究竟该深入哪项技术、学习哪种工具、选择哪个方向？

嘉宾并没有直接给出具体的技术名称，而是将问题抛了回来：你是否有一个真正想解决的问题？在他看来，AI模型最重要的价值之一是放大人类的速度、创造力与创新能力，但前提是先找到一个值得解决的问题，这个问题可以来自生活，也可以来自工作。不妨先思考：有哪些问题一直困扰着你？哪些问题真正让你感兴趣？

然后再问自己：借助AI，我现在能否用两年前、五年前做不到的方式解决这个问题？

十一、从具体问题开始实践

嘉宾分享了自己的亲身经历：他和妻子都很喜欢拍照，长期积累了数十万张照片，一直想整理筛选但因为过程繁琐迟迟没有开始。后来借助AI智能体，他只用了几个小时就构建了几个能够分类、评估与筛选照片的智能体。

这个案例并不足以改变世界，但它说明了一个道理：AI的价值可以从一个非常具体的问题开始，照片整理可以用智能体解决，商业问题与其他复杂问题同样可以尝试用新的方式解决。

因此，嘉宾建议大家重新思考学习路径：与其问“我应该学习什么技能”，不如问“我到底想解决什么问题”。当你真正开始解决问题时，自然会掌握实现目标所需的各项技能。

十二、给年轻学习者的行动建议

访谈的最后，嘉宾给年轻的AI学习者提出了一条核心建议：未来十二个月里最值得做的一件事是什么？答案是尽可能多地去构建。

抽象知识固然重要，阅读与学习也依然有价值，但只有当知识被用于解决真实问题时，才会真正与现实产生连接。这个问题可以很小，也可以很大，重要的是先开始动手。选择一个你真正想解决的问题，尝试用智能体去完成它，在这个过程中，你会自然学会问题拆解、工具使用、结果评估、产品设计等原本不知道自己需要掌握的能力。

写在最后：从旁观者到构建者

对于开源学习社区来说，我们的目标也是让更多的学习者不再只是知识的旁观者，而是成为真正的构建者。

当AI工具逐渐成为像电子邮件与电子表格一样普遍的基础工具时，“谁是开发者”或许不再是最重要的问题，真正重要的是：你看到了什么问题？你愿意为它做些什么？

在AI快速变化的时代，与其追赶每一个新模型，不如先找到一个值得长期解决的问题，然后，开始动手构建。