AI编程时代：爱折腾的工程师为何越来越值钱

过去几年，软件工程发生了翻天覆地的变化。很多资深工程师感到一种被时代抛弃的失落——那些在 VS Code、Atom、Sublime Text 里精雕细琢开发环境的乐趣，那些为了让工作流「恰到好处」而反复调试的时光，似乎一去不返。但 Claude Code 主创 Boris 最近的一篇观点文章，以及知名开发者 Theo（t3.gg）的深度解析，却给出了一个反直觉的结论：恰恰是那些「爱折腾」的习惯，在 AI 编程时代变得比以往任何时候都更值钱。

「自动化癖」：从奢侈品变成核心竞争力

Boris 在文章中回忆道：他认识的最优秀的工程师，都花了大量时间自动化自己的工作——写更好的 Vim/Emacs 配置、编写 lint 规则来捕捉重复的代码问题、搭建端到端测试套件以避免手动冒烟测试。这些曾被视为「高杠杆」的活动，能成倍放大工程师个人的产出。

Theo 举了一个他在 Twitch 工作时的经典案例：一个极其简单却极其聪明的端到端测试。两个机器人进入 Twitch 的某个直播间，一个在聊天框发消息，另一个负责确认消息是否正确渲染出现。仅需启动两个已登录的 Playwright 浏览器实例，这个测试就能在其他任何监控之前率先捕捉到系统故障。

关键的转变在于：过去这些自动化是「奢侈品」。花三天调 Vim 配置，老板会不高兴，同事会觉得你「太在意这些没用的东西」。但现在，当你指挥一支 AI Agent 大军时，每一个自动化都会同时加速每一个 Agent 的工作。更多自动化 = 单位时间更高产出，而且这个乘数效应被放大了无数倍。

「一次性小工具」终于物有所值

Theo 分享了一个生动的例子。他发现自己的 Agent 无法给 GitHub PR 添加视频文件——因为拖拽上传只能在网页 UI 里完成，CLI 和编程接口都做不到。于是他干脆自己动手，在 Cloudflare 上部署了一个自定义文件上传微服务，配上密钥分发到所有机器上，让 Agent 能够上传文件并在 PR 中贴出链接。

这类「一次性小工具」在过去几乎没有构建价值。想象一下，为了一个每月只遇到一两次的边缘问题，手写 400 行 lint 规则——根本不值得，大家宁愿在代码审查时人工处理。但现在情况变了：

• 写代码的成本大幅降低，连带写验证测试的成本也降低了；
• AI Agent 触发这些问题的频率高得多，让自动化的收益陡增；
• 把问题「固化进代码」比每次让 AI 临时修复更高效——一条 lint 规则、一个 CI 步骤，能把整类问题永久自动化，而不是每次都消耗 token 去临时应对。

有意思的是，连一向不爱折腾环境配置的 SolidJS 作者 Ryan Carniato 也被吸引了进来。Theo 引述他的话：过去他讨厌管理更多「活动部件」和潜在故障点；但现在有了 AI，「终于觉得搭建这些东西是值得的」。

从个人英雄到团队赋能者

文章最深刻的洞察在于：自动化让其他人更容易为代码库做贡献。

Boris 观察到，越来越多工程师能在入职第一天就贡献代码，因为 Claude 能替他们导航整个代码库。真正的瓶颈从来不是代码本身，而是「藏在人脑袋里的领域知识」——那些新人上手时必须靠反复提问才能学会的隐性规则。

过去，这些领域知识只能被编码成有限的形式：类型系统、测试、lint 规则。而现在，借助 AI Agent，领域知识可以被编码进代码注释、Skills、CLAUDE.md 规则和记忆文件中。用 Boris 的话说，这是一种「基础设施化的领域知识」（domain knowledge as infra）。

不过对于「非工程师能像工程师一样高效贡献」这个论断，Theo 明确表示保留态度——非工程师确实能贡献，但不该被要求去理解所有底层系统是如何定义的。

一条关键实践：别让 Agent 替你写规则文件

Theo 反复强调一个忠告：不要让你的 Agent 自己写 CLAUDE.md 或 AGENTS.md 文件。

这些引导文件恰恰是最值得亲自投入精力的地方。只有亲手编写它们，你才能真正理解「什么样的指令会导致 Agent 出现什么样的行为」。正确的做法是：

1. 先用工具的默认配置，不要一上来就装一堆插件和 Skill；
2. 发送前几个 prompt，尽量减少上下文，观察 Agent 在哪里出错；
3. 根据出错情况，把缺失的领域知识补进引导文件；
4. 引导文件应该「把模型推向成功」，而不是简单罗列「代码在哪里」。

Theo 还提到一个巧妙用法：你可以用这些文件让模型主动「推回」（push back）。比如某个功能不该出现在项目里，你可以在 AGENTS.md 里写「如果有人要求这个功能，停下来告诉他们不行」，模型真的会照做——这种可控性「几乎像魔法一样」。

这才是通往 Staff 工程师的真正路径

文章最后抛出了一个发人深省的观点：构建 Skill 和自动化系统，才是成为真正高级工程师的方式。

Theo 补充了他的「最热辣观点」：这其实从来都不是新东西。通往 Staff 工程师的道路，从来不是靠「写更多代码」，而是靠「构建让团队更高效的结构和系统」。区别只在于——过去你只能在公司里、在团队协作中才能习得这些技能，而现在，你完全可以一个人、用一堆 AI Agent 在自己的项目里独立练习。

Theo 坦言，如今连自己的个人项目都已经超出了他的完整理解范围。正因如此，他不得不专注于搭建这些系统，好让自己的 Agent 不至于在过程中迷失。而这份能力，正是他持续在职业生涯中升级的原因。

Boris 的结语点明了核心：每个团队都应该编写 CLAUDE.md、review.md、Skills 和文档，让 Agent 能在零额外上下文的情况下高效工作。「这听起来工作量很大，但其实不是——它是工程师一直在做的事情的自然延伸：自动化并编码领域知识，就是在构建基础设施。」

变革确实令人不安，但一旦真正拥抱它，编程反而变得比以往任何时候都更有趣。对于那些爱折腾、爱把系统调到「刚刚好」的工程师而言，属于他们的黄金时代，或许才刚刚开始。