人类未来的工作，或许就是给AI敲回车
留给人类的时间不多了。
封面配图：游戏《史丹利的寓言》。故事主角史丹利是在办公大楼内工作的 427 号员工，每天的工作内容就是按照电脑的指示不停重复按键。
首先得声明一下，这篇文章是完全基于我近期看到的现象，以及由此产生的一些思考和感悟，一字一句手打出来，完全没有使用任何 AI。
作为一名程序员+算法工程师，我每天的工作自然是与业务，数据，代码和模型打交道。
自从 2022 年底 ChatGPT 问世以后，各种基于大模型的代码辅助工具，给我们的日常工作带来了很多便利，同时也带来了不少麻烦。
- 带来便利自然是因为，任何想写的代码或脚本，都可以让大模型帮我生成，或者辅助我编写。
- 带来麻烦的原因也很明显——大模型会犯错。当他犯错时，你需要反过来去给他找bug。
这种矛盾，在网上自然也掀起了不少的讨论和战队，有人趋之若鹜，有人嗤之以鼻。就连Linus本人，也没能真香定律：《真香！刚骂完AI，Linux之父的首个Vibe Coding项目上线》
我使用AI编程的经历 ¶
我是一个非常喜欢尝试新鲜事物的人。
自从 2022 年底 ChatGPT 诞生开始，我就陆续尝试了各种代码辅助工具。
从网页端的 ChatGPT、海螺 AI（现在的 Kimi）、豆包、千问、DeepSeek，
到后来的 IDE（代码编辑器）辅助工具：Cursor、VSCode Copilot，
再到后来的 CLI（终端命令行）辅助工具：Claude Code、Gemini CLI，
这些产品我都至少连续使用过 1 到 2 个月，也给其中的大部分产品付费过。
然而，自从这个月，我用上最新的 Codex + GPT5.4 组合后，一切开始变得完全不同了。
近期使用 OpenAI Codex 的经历 ¶
自从这个月开始使用 OpenAI Codex + GPT5.4 的组合后，我便开始疯狂地向周围的朋友安利。
因为它每天都在刷新、颠覆我对 AI 编程工具的认知。
我发现：
- 它非常擅长主动搜集信息，去理解一个复杂的脚本或工程代码；
- 它非常擅长整合各种不同来源的大量信息（包括网页、本地资源），并把这些信息归纳到一些大概率正确的决策点上；
- 在信息不足的时候，它知道应该在什么时候停下来，而不是继续生成带有幻觉的内容。 （有一次我在一长串内容里，不小心漏给了它一个信息，它直接指出有个关键内容的缺失，于是跳过了那一部分，只完成了信息充足的部分。）
- 最后，它做出的代码改动，大概率是正确且精准的；即便不是，在它多次自我尝试修正之后，通常也都能解决。
而我在其中的工作，基本上就是：
- 先用自然语言描述任务，并尽可能提供足够多的先验信息；
- 告诉它要完成这个任务，需要具备哪些技能，让它自己去学习相关Skill。并且告诉它，在执行任务过程中一旦犯错并解决，就要完善自己的Skill，避免下次再犯。
- 然后，不停敲回车。
接着就会发现，在不断敲回车的过程中，它会以极快的速度，沿着正确的路线开始工作。即便偶尔偏离路线，它也会自我纠正，并把踩坑的经验总结记录下来，避免下次再犯。
我开始意识到，它已经可以开始逐渐取代我的工作了。
人类未来的工作，或许就是给AI敲回车 ¶
自从意识到这个“工具”是如此好用后，我好几天晚上都没睡好觉，除了兴奋，也是担忧。脑袋控制不住地不停思考，今年会怎么样，明年会怎么样，未来会在怎么样，我还能做什么？
因为这种生产力的提升，已经不是简简单单的几倍的提升，而是数量级的飞跃。
我开始思考，可能因为我只是一个从事有限细分领域模型训练的算法工程师，那么那些研发出大模型的算法工程师，是否可以幸免于难？
我想答案大概率是：不能。
因为，现在的AI智能体，已经开始真正展现出比人类工程师更强的代码能力、决策能力和执行速度了。
那么，既然大模型算法工程师也是利用这些能力在工作，那么就与任何其他工程师没有差别。
而近期的一篇文章，也印证了这一观点：《Anthropic登上时代封面！内部曝猛料：AI递归自我改进，或在一年内发生》
也就是说，接下来的几年，大模型大概率已经可以逐步脱离人类，开始自我迭代、自我进化了。
就像Alpho Go自我博弈训练后，超越了人类冠军李世石，并且他的杀招人类看都看不明白一样，大模型也将在自我迭代进化过程中，以指数级的速度超越人类，诞生出人类一时半会儿可能看都看不懂的科学发现。
而到那时，人类，可能就真的只有敲回车的机会了。