昨天晚上，我让 Codex 跑了七个小时。
醒过来看结果，貌似成了：一个很久没动的老项目，被它做了一轮升级。
这件事给我的冲击挺大。因为类似的工作我们以前做过，那时差不多用了三个工程师一个月。那种工作和写一个小 demo、做一个新页面完全不是一回事，它面对的是一个已经有历史包袱、有依赖、有隐性约束的老项目，需要先重新理解，再让它往前走一步。
这类事情以前最贵。
新项目反而简单，所有东西都可以按最新范式重新来。老项目不一样，老项目里有过去几年甚至十几年的选择、妥协、业务逻辑、边界条件、没人敢删的代码、没人记得为什么存在的配置。它不是一堆文件，它是时间沉积下来的系统。
也正因为如此，老项目的价值经常比新项目大得多。
问题是，在没有 AI 的时代，人类维护老项目的成本太高。项目会腐化，依赖会过期，文档会失真，人会离开，知识会断层。最后它明明还有价值，却因为没人敢碰、没人碰得起，慢慢变成一块技术化石。
AI 不仅让写代码更快，也让盘活代码变得更快。因为我们可以更快地重构和优化代码，很多原本因为维护成本太高而被放弃的项目，重新有机会被救活。
如果 Codex 这类工具的模型窗口继续变大，开到 1M 级别，很多事情会变得更不可想象。以前一个工程师只能局部理解一个系统，AI 则可能在足够大的上下文里，把代码、日志、文档、测试、历史迁移一起读进去。老项目不再只是“代码仓库”，而会变成一个可以被重新理解、重新对话、重新激活的资产。
所以程序员在 AI 时代的技能变迁，不能只从“还要不要写代码”这个角度看。写代码当然还要，但它不再是全部中心。
这就意味着，我们要改变自己的工作技能。下面是根据我这两年使用 AI 做项目后的感悟：
第一种能力：并行能力
以前一个程序员的核心工作方式，基本是单线程的。
你打开编辑器，读一段代码，改一处逻辑，跑一轮测试，再处理下一个问题。最多也就是脑子里并行几个分支，但手上的执行还是一个接一个来。
AI 时代不一样了。
你可以同时把几个事情分发出去：一个 Agent 去升级依赖，一个 Agent 去补测试，一个 Agent 去读历史文档，一个 Agent 去定位线上错误，一个 Agent 去尝试迁移方案。你不再只是“自己做”，你开始拥有调度能力。
但这件事的门槛也在这里。
并行不是把任务随便丢出去。并行意味着你要知道哪些事情可以拆开，哪些事情不能拆开；哪些任务之间有依赖，哪些可以同时跑；哪些结果可以自动验收，哪些必须人工看一眼。
一个不会并行的人，用 AI 还是单线程。他只是把“我来写代码”换成“AI 替我写代码”，效率会提升，但上限有限。
一个会并行的人，会把 AI 当成一组可以同时工作的工程师。他最重要的动作不是敲代码，而是分发、等待、验收、合并、再分发。
这很像从工程师变成技术负责人。区别只是，你带的队伍里有一部分成员是 AI。
第二种能力：写 goal 的能力
很多人把和 AI 协作理解成“写 prompt”。我觉得这个说法太轻了。
真正关键的不是 prompt，而是 goal。
prompt 经常是在描述你想要什么，goal 则是在定义 AI 如何知道自己做完了。它不是一句“帮我升级一下项目”，而是一个可以执行、可以校验、可以收敛的任务边界。
一个好的 goal 至少要回答几件事：
- 这次要改变什么，不改变什么；
- 成功标准是什么；
- AI 可以自己运行哪些检查；
- 哪些文件、接口、行为不能破坏；
- 遇到失败时应该继续尝试，还是停下来汇报；
- 最终交付物应该长什么样。
这就是为什么“写 goal 的能力”会越来越重要。
AI 的运行时间越长，越需要标准。没有标准，AI 跑得越久，偏得越远。有标准，AI 才能自己检查自己，自己修正自己，自己把一个任务从“开始做”推到“可以验收”。
换句话说，未来程序员的一项核心能力，是合理地让 AI 运行更长时间。
这听起来有点反直觉。过去我们总想让程序快一点，让任务短一点。现在恰恰相反，有些复杂任务需要 AI 长时间探索、尝试、失败、修复、再验证。你要做的不是一直盯着它，而是写出足够好的 goal，让它能在你的标准里跑得久、跑得稳、跑得回来。
goal 写得好，一个晚上可以替你推进一个老项目。
goal 写得差，七个小时之后你可能只得到一堆看似热闹、但无法合并的修改。
第三种能力：沟通能力
AI 时代，沟通能力不是软技能，它会变成硬技能。
一部分沟通，是和人沟通。
老项目为什么难？很多时候不是代码难，而是上下文难。真正的需求在业务方嘴里，真正的约束在老同事记忆里，真正的风险在运维习惯里，真正的历史原因在某次已经没人翻的事故里。你如果不能把这些信息问出来、整理出来、确认清楚，AI 拿到的输入就是残缺的。
残缺输入，只会产生残缺输出。
另一部分沟通，是和 AI 沟通。
和 AI 沟通不是客气，也不是“请帮我”。它更像是在给一个非常勤奋、非常能干、但没有项目责任感的协作者建立工作空间。
你要告诉它背景、边界、验收方式、失败策略；你要能看懂它的中间结果；你要能在它偏航时及时把它拉回来；你要能把人的模糊意图，转成 AI 可以持续执行的结构化目标。
以前沟通能力差，最多是需求理解慢一点。现在沟通能力差，会直接变成工程风险。因为 AI 可以很快把一个误解放大成几百行代码。
第四种能力：自学能力
AI 越强，程序员越不能停止学习基础知识。
这也是最容易被误解的一点。
很多人会觉得，既然 AI 会写代码了，那我是不是不用学那么多底层东西了？我反而觉得相反。AI 会写之后，人类更需要知道什么是对的，什么是错的，什么只是看起来能跑。
因为你不理解基础，就无法验收。
你不懂数据库，就看不出一个查询为什么未来会拖垮系统。你不懂并发，就看不出一个修复为什么会引入竞态。你不懂网络，就看不出一次超时处理为什么只是把问题藏深了。你不懂工程结构，就看不出 AI 给你的方案是在修项目，还是在制造下一代债务。更现实的是，很多专业术语和基本概念如果你不懂，你甚至很难把问题和 AI 讲清楚，AI 也就很难准确理解你的表达。AI 也不是万能的，有时候它会绕进去，这时仍然需要人类指出问题，把方向拉回来。
AI 会打压人的学习欲望。它太方便了，方便到你很容易跳过理解，直接拿答案。
但越是这样，越要持续学习基础知识。因为 AI 时代最有价值的人，不是能背最多 API 的人，而是能判断 AI 输出质量的人。
判断力来自基础。
没有基础，你只能相信 AI。
有基础，你才能使用 AI。
老项目会重新变成战场
把这四种能力放在一起看，会发现一个很有意思的变化：AI 时代的程序员，不是在变轻，而是在变重。
轻的是手上的重复劳动，重的是你对系统的理解、对目标的定义、对风险的判断、对多个执行线程的调度。
以前公司做老项目升级，最怕的是投入产出比。三个人，一个月，最后只是把项目从一个旧状态迁到一个不那么旧的状态，老板很难下决心。
但如果 AI 能把这件事压缩到一个晚上，老项目的经济账就变了。
很多过去“值得做但太贵”的事情，会重新值得做。遗留系统升级、测试补齐、依赖迁移、文档恢复、架构梳理、性能排查、知识沉淀，这些曾经最容易被拖延的工作，会慢慢变成 AI 最适合切入的地方。
所以我越来越觉得，没有 AI，人类的项目腐化会更快；有了 AI，很多项目反而会被救活。
但前提是，使用 AI 的人要升级。
如果程序员还是只把自己定位成“写代码的人”，那他会和 AI 抢同一件事。这个位置会越来越挤。
如果程序员把自己升级成“定义目标、调度并行、沟通上下文、验收结果的人”，那 AI 不是竞争对手，而是杠杆。
最后
AI 时代，程序员的技能栈正在换挡。
以前最重要的是：我能不能把代码写出来。
接下来更重要的是：我能不能把一个复杂目标拆成多个可执行的 goal，分发给 AI，允许它们长时间运行，再把结果验收、合并、沉淀成项目资产。
这四种能力会越来越关键：
- 并行能力：同时分发和验收多个事情；
- 写 goal 的能力：让 AI 有标准可以自己校验成果；
- 沟通能力：和人拿到真实上下文，和 AI 建立清晰工作边界；
- 自学能力：在 AI 的压力下，仍然持续学习基础知识，保留判断力。
程序员不会因为 AI 消失。
但程序员会分化。
一类人继续把自己当成单线程写代码的人，和 AI 比速度。另一类人开始把自己当成复杂系统的负责人，学习如何让 AI 在正确的目标里跑得更久、跑得更稳、跑出可以验收的结果。
后者，才是 AI 时代真正会变强的程序员。