自从Claude 4和Claude Code发布后，传统应用软件研发仿佛一下子失去了意义。手工代码辛苦编写2天，可能比不上Code Agent 1个小时的输出，随之而来的，是大量传统程序员的失业离职，并且以愈演愈烈之势向所有白领职业蔓延。

何去何从？

其实不需要太担心，裁员只是第一波，很快，企业就会发现，市面上几乎所有工具软件，应用软件，为了保持竞争力，都需要Agentic化。交互入口会收敛（可能只剩一个对话框或者语音输入），可是多样化呈现的需求依然存在，高并发的需求依然存在，服务端要mcp化或者skill化的需求依然存在。未来，一句话点外卖，一段文字做数据汇报，依然需要前端来做丰富呈现，需要后端来做AI调度，或者将以往功能Skill化，传统软件向Agentic转型，那些工程思想依然一模一样。

软件工程领域，我们常常假设，未来的需求是不确定的，为了处理这种不确定性，在程序设计的时候我们都会保留一些冗余设计，但同时又避免过度设计带来屎山失控。这种趋近端水大师的设计，是AI在理论上无法精准把握的。当你将潜在需求描述给它时，它容易作出过度设计，而当你将当下需求给它时，它又很难结合业务保留扩展。当项目大的时候，如何指望它的每一次迭代都能精准以最小代价来解决而不是花2天时间来重构呢？

无论AI怎么发展，Harness和提示词工程永远有效，它是新时代的方向盘和导航仪，工程师的经验就是那个驾驶员。

因为焦虑和软件转型，企业Agent的需求会增加，会带来新的就业机会。手写curd的时代不会再有，但软件设计的思维依然没变。

如果我们将软件设计、测试评估全部都交付给AI，最终生产出一个我们不可控，但AI疑似可控的产品，那会怎样？（测试环境一切OK，一上线各种数据错误）出了问题，程序员和运维一脸抓瞎，这个时候，你是让AI自己去修复屎山代码和数据，还是花2周，让它重构一版风险未知的release？？

当我们理解了问题，我们总能解决问题，可是纯AI未必。你生产了一个自己也看不了控制不了的东西，怎么敢保证说它一定没问题？怎么敢保证说出了问题自己一定能解决？

解决问题的能力，就是软件工程师的核心能力。