Redis之父谈AI编程：手写代码的必要性正在消失

当AI开始提笔写代码，程序员的“饭碗”真的要被抢了吗？关于这个话题，科技圈大佬们的看法堪称“神仙打架”。

Google首席工程师Jaana Dogan曾分享过一个颇具冲击力的对比：“谷歌团队耗时一整年攻坚的工作成果，Anthropic的Claude Code仅用1小时，就拿出了一份方向高度一致的方案。” 这已不仅仅是“AI写几行脚本”的层面，而是直接对工程效率与组织协作方式的挑战。

而Linux之父Linus Torvalds则给出了截然不同的视角。他坦言：“就我个人来说，因为我是维护者，代码审查对我非常重要，所以我对‘用AI写代码’反而没那么感兴趣。很多人一谈编程就想到用AI写代码，但在我看来，这远没有‘用AI来帮助维护代码’有意思。” 话虽如此，这位嘴上说着“不感兴趣”的大佬，不久前却悄悄体验了一把Vibe coding，还顺势捣鼓出一个全新的开源项目AudioNoise，身体力行地打破了自己立下的“flag”。

如果说Jaana Dogan、Linus的态度仍然偏向克制与保留，那么Redis之父Salvatore Sanfilippo（网名antirez）的表态，则直接抛出了一个颠覆性论断：在绝大多数情况下，写代码本身已经不再是必要的工作了。

在他看来，倘若开发者一味抵触AI，很可能会错过这场已经发生的行业变革。这个观点瞬间戳中了无数程序员的痛点——多少个挑灯夜战的夜晚，多少行反复调试的代码，如今机器却能轻松代劳，心里难免五味杂陈。

对此，antirez发出了灵魂拷问：“当年你熬夜敲代码，只为见证项目成功跑通的那一刻，内心真正燃烧的热情是什么？答案其实是‘创造’。既然AI能帮我们更快抵达创造的终点，又何乐而不为呢？”

这番犀利的言论，正出自他撰写的文章《不要被反AI的炒作所蒙蔽》。文章一经发布，立刻在科技圈掀起轩然大波，截至目前，浏览量已突破30万，热度持续居高不下。

从“手写一切”到和“模型一起写”

在文章中，antirez率先明确表明了自己的立场：他一直热爱亲手写代码，追求简洁、可读、带有个人风格的软件设计。

“可以说，我的整个职业生涯，都是在努力写出结构良好、尽可能简洁、以‘人的痕迹’为核心特征的软件。我也一直希望生活在一个不会遗忘弱者的社会里。”

他甚至开玩笑地坦言，如果AI最终冲击现有经济结构，迫使社会重新思考财富分配，他也无所谓：“我并不希望AI在经济层面取得成功——但如果现有的体系因此被颠覆，我并不在意。老实说，如果这能推动一次大规模的财富再分配，我甚至会感到高兴。”

当然，这番话中带着幽默，但他也强调：如果因为自己对软件和社会的理想，就扭曲对现实的判断，“那我既不尊重自己，也不尊重理性。”他进一步说道——“事实就是事实：AI将永远改变编程。”

“亲自去写所有代码已经不再是一个理性的选择”

事实上，这场转变并非一蹴而就。早在2020年，antirez就离开工作岗位，开始构思一部探讨AI、普遍基本收入以及自动化时代社会适应问题的小说。到2024年末，他进一步把注意力转向现实技术实践，开设了一个专门讨论AI编程应用及其社会、经济影响的YouTube频道。

回顾这段经历，他坦言：尽管很早就意识到AI会对编程产生深远影响，他曾认为，这个转折点至少还需要几年才会到来。然而，最近的实际体验让他改变了判断。

他指出，随着最先进的大语言模型不断成熟，AI已经能够在几乎不需要人工干预的情况下，独立完成中等规模的子任务，甚至是完整的中等体量项目——前提是开发者能给出清晰的目标描述，明确希望得到的结果。

在antirez看来，模型的表现很大程度上取决于两点：

• 编程任务类型——任务越独立、越容易用文本完整描述，模型表现就越好。系统编程就是典型例子。
• 开发者能力——能否在脑中建立对问题的清晰抽象，并准确传达给模型。

基于这些观察，他得出了一个相对激进、但越来越难以回避的结论：在当下的技术条件下，对大多数项目来说，亲自去写所有代码已经不再是一个理性的选择——除非你只是为了享受写代码本身的乐趣。

Redis之父自己的亲身体验

antirez并没有泛泛谈论AI能“提高效率”，而是用自己的具体经历说明变化到底发生在什么地方。就在过去一周，他仅仅通过不断向模型提示、偶尔检查生成代码并给出方向性指导，就在几小时内完成了原本可能需要数周才能完成的一些事情：

1. 改进linenoise库。
   他修改了自己的linenoise库，使其支持UTF-8，并为行编辑功能构建了一套测试框架。这个框架使用模拟终端，能够精确报告每个字符单元格的实际显示内容。antirez解释道，这一直是他想做的事情，但过去很难为一个个人小项目投入如此多的测试成本。现在，只需描述自己想法，AI就能直接在代码中实现，一切就变得不一样了。

2. 修复Redis测试中的瞬态失败。
   所谓瞬态失败，指的是由于网络波动、服务器暂时不可用、连接池耗尽、高并发下的资源争抢或部分节点故障等原因，导致Redis命令执行短暂失败。这些问题极其令人头疼，涉及各种时间相关的问题、TCP死锁条件等等。Claude Code会持续反复运行测试，直到复现问题为止，然后检查各个进程的状态，理解到底发生了什么，最后修复了这些bug。

3. 构建纯C实现的BERT推理库。
   antirez透露，当自己有这样的想法时，仅用了5分钟，Claude Code就完成了这个库，输出结果与PyTorch一致，速度只慢了大约15%。总代码量大约700行，同时还生成了一个用于转换GTE-small模型的Python工具。

4. 复现Redis Streams内部实现。
   在过去几周，antirez对Redis Streams做了一些修改，并写了一份设计文档。他把文档交给Claude Code，大约20分钟内就复现了全部实现。主要耗时反而是他自己检查结果、确认并允许模型执行必要的操作。

「在这样的现实面前，你几乎不可能视而不见。在绝大多数情况下，写代码本身已经不再是必要的工作了」， antirez说道，「现在真正更有意思的，是理解‘要做什么’，以及‘应该如何去做’——而在第二点上，大语言模型同样是非常出色的伙伴。」

对于AI是否能带来经济收益、股市是否会崩盘，antirez认为长期来看并不重要。“某个独角兽公司的CEO说了什么令人不适或荒唐的话，也并不重要。无论如何，编程已经被永久性地改变了。”

antirez对自己亲手写的代码被大模型“接手”持坦然态度，甚至感到欣慰。“因为在我看来，这正是我一生所做事情的延续：让代码、系统和知识更加民主化。大语言模型将帮助我们更快地写出更好的软件，也将让小团队拥有与大公司竞争的机会——就像90年代的开源软件所做的那样。”

然而，antirez也指出，AI这项技术的重要性决定了它不能只掌握在少数几家公司手中。目前，不同团队在预训练和强化学习方面各有优势，但开放模型——尤其是中国的一些模型——仍在与封闭实验室的前沿模型竞争，即使暂时略有差距。AI在一定程度上保持了民主化，但这种状态能否长期维持，仍不确定。

他对技术集中化表示担忧，同时也相信，大规模神经网络本身具备做出惊人成果的能力，而最前沿的AI并不存在多少“不可复制的魔法”，否则难以解释OpenAI、Anthropic和Google多年来结果如此接近。

作为一名程序员，antirez称，自己现在比以往任何时候都更想写开源代码。他计划维护一些因时间原因被搁置的仓库，把AI引入Redis工作流，继续改进Vector Sets，并像处理Streams一样，逐步优化其他数据结构。

与此同时，他对可能因此失业的人表示担忧。企业最终会走向哪种路径仍不明确：是雇佣更多人、构建更多产品，还是削减薪酬成本，仅保留少数擅长提示模型的程序员？在其他行业，人类甚至可能被完全取代，这让他感到不安。

针对社会层面的影响，antirez表示：“创新一旦发生，就无法被收回。我认为，我们应该通过投票支持那些真正理解正在发生什么、并愿意为失业人群提供支持的政府。随着失业人数增加，政治压力也会随之增大，促使更多人支持能够提供一定保障的政策。”

此外，antirez也对AI的积极影响抱有期待，比如推动科学进步、减少人类生活中的痛苦，而这种改善并不总是直接带来幸福，但确实能提升人类整体生存状态。

开发者质疑：自己的AI为什么没那么好用？

然而，antirez的判断并非所有人都认同。在Hacker News上，这篇文章引发了长时间讨论。一些开发者指出，目前的AI在复杂系统设计、长期维护和边界条件处理上依然存在明显不足。

正如HN热评第一的totallykvothe写道：

“我一直无法理解这样一种说法：AI现在已经可以自动化完成非简单的编程任务。自从GPT-3.5发布以来，我几乎持续不断地在尝试这件事，几乎用遍了当下所有最先进的模型，从GPT-5.1 Codex Max到Opus 4.5，没有例外。每一次，AI确实都能给我一个‘能跑起来’的结果。但问题在于，当我开始对这些代码进行自我审查，准备提交给同事评审时，最终几乎都会重写其中大约70%的内容。AI方案里有太多细节处理得不到位，很多时候甚至存在根本性的架构问题，以至于无论我怎么继续通过prompt去修正，都很难补救——哪怕我在整个原型阶段都深度参与、一步步引导。到最后，我只能得出两个结论之一：

1）要么是我真的不擅长写prompt。可问题是，我算是我身边最早一批把AI用在编码里的开发者之一，而且已经持续使用很多年了，这个解释我自己都很难接受。
2）要么就是其他人没我这么挑剔，或者他们的代码评审文化没那么严格，更容易放过质量一般的代码。

我实在想不出还有什么别的解释。作为背景说明：我目前维护的是一个有15年历史的Java Spring + React的Web应用（其中还有一些老页面仍然使用Thymeleaf）。系统包含多个子服务、两套独立的数据库，同时还需要与客户的硬件设备进行双向通信。这当然不是一个简单的项目，但即便如此，我也很难相信它会比大多数企业级、遗留系统复杂到哪里去……”

这种经历让不少开发者都感同身受。另一位网友补充道：

“到目前为止，我向大语言模型提出过的所有技术问题，只要是我自己已经知道答案的，几乎无一例外都会在某些方面出现明显错误。我经常遇到的另一个问题，是错误率与响应速度之间的权衡。那些速度最快的前沿模型，错误频率高得惊人，错误程度也相当严重，以至于我根本不敢把它们当作可靠的搜索工具来用；而那些更大、更慢、花更多时间‘思考’的模型，虽然给出的结果确实更好一些，但等待时间又长到让我觉得，与其等它们回复，不如直接自己去做一次网页搜索来得更快。在我刚开始接触某个新领域，或者还没完全熟悉某个API、语言或相关文档之前，这些模型确实能发挥一定作用。但一旦我花了些时间完成‘入门’，哪怕只是顺着它们给出的链接自己看过几次资料，后续再查问题时，直接自己搜索反而更高效。”

除此之外，还有开发者担心，过度依赖AI可能削弱工程师对系统的整体理解。有人指出，这类工具更适合原型开发或中小项目，而非严肃的生产环境。这些质疑并非毫无道理，反而说明，AI在工程实践中的角色仍在快速演化，真正的价值和局限都还有待进一步验证。

逃避并不会让变化消失

即便如此，antirez的态度依然明确：无论你认为什么才是“正确的道路”，拒绝眼前正在发生的事情，并不能让你掌控它。

他进一步指出：“也许你会觉得，自己曾经那么努力学习编程，而现在机器却替你做了这件事。但当年熬夜写代码，只为了看到项目跑起来时，你真正追求的是什么？是‘创造’。现在，如果能找到有效使用AI的方式，你能够创造得更多，也创造得更好。那种乐趣依然存在，丝毫未减。”

对此有网友表示认同。HN用户daxfohl写道：“我同意你的看法，但想补充一点：过去几个月里，AI发展出现了一次明显跃迁，现在这已经是一种不可避免的趋势……从更长远来看，我认为未来一到两年内，Anthropic和OpenAI会把产品从‘编码助手’升级为‘工程团队替代方案’……我还预计，单体架构可能会回潮。现在采用微服务，很大程度上是为了并行开发和减少冲突。但如果AI能显著加快开发周期，这种优势就没那么重要；反而把业务逻辑放在一个统一‘容器’里，更便于AI整体分析和理解。”

antirez最后提醒——“跳过AI，不会对你或你的职业生涯有任何帮助。”相比快速体验几分钟，他建议花几周时间，谨慎而深入地测试这些新工具。如果一开始不适合自己，可以隔几个月再尝试一次。

这场关于AI编程的讨论仍在继续，无论是乐观拥抱还是谨慎质疑，都反映了技术变革洪流中开发者群体的真实思考。关于AI如何重塑软件开发，欢迎在云栈社区的开发者广场分享你的见解与实践。