AI大模型工程师会被替代吗？一线开发者实战拆解

AI大模型工程师会被替代吗？

“AI大模型工程师会被替代吗？”这是B站一位一线开发者UP主在直播中抛出的问题。他的答案直接而坦诚：有可能，但不是现在。

这位UP主自称并非博士，而是工作年限较长、一直在一线做开发的工程师。他提到，不少同学质疑“人家机构都是博士来讲课，研究生讲啥课”，但他认为学历与能否讲清工程实践是两回事——找工作的时候，没人会因为你跟谁学过就录用你，项目经验才是硬通货。

他在直播中预测，大模型应用工程师在未来三年之后有可能被替代，但当前阶段还很难。原因在于，尽管Transformer架构已经很强，底层算法仍有优化空间，但工程落地中的复杂性远未被自动化工具完全覆盖。

Transformer很强，但工程落地仍靠人

UP主没有深入展开Transformer的学术细节，而是把焦点放在了工程侧。他的核心判断是：现在的大模型工程师之所以还难以被替代，不是因为模型不够强，而是因为从模型到上线之间，有大量需要人来拆解、监督和决策的环节。

这些环节包括项目模块的划分、代码边界的定义、测试时机的选择，以及生成代码流程的设计。工具可以写代码，但“怎么让工具写出对的代码”仍然依赖工程师的判断。

这也是他反复强调的观点：AI coding时代，不会用webcoding工具的程序员，已经不能算合格的程序员。无论你做大模型工程开发，还是做Java后端、前端或测试，webcoding工具都是必备技能。

不只是Codex和Claude Code：Superpowers与Gstack的分工

直播中有人问：webcoding的时候，怎么最大程度发挥工具的作用，让模型更收敛？UP主的回答很具体——不要只盯着Codex和Claude Code，还要看它们前面的两个工具：Superpowers和Gstack。

他的描述是，Superpowers负责把复杂项目做模块拆解和流程拆解，得到一个编写整个项目代码的工作流；Gstack则针对每一个模块的任意小功能再次拆解，并且在拆解过程中可以定义规则、代码偏好和收敛规则。

用他的话说，这两个工具“监督”Codex和Claude Code去干活，效果会更好。Gstack的核心作用是针对某一个项目下的某一个模块做代码分层、代码拆解，并设置边界；Superpowers则针对一个大项目得到整体开发流程，包括拆哪几个大功能模块、每个模块的需求是什么、模块之间如何对接、什么情况下做单元测试、每次生成代码的流程是什么。

当然，他也承认另一条路径：不使用Superpowers和Gstack，自己手动做项目模块拆解和子任务拆解，然后一直做“监工”，监督Codex和Claude Code一小段一小段地生成代码。这同样可行，只是对人的投入要求更高。

Codex 和 Claude Code 属于「AI coding agent」这一类工具：用户用自然语言描述任务，模型在本地或沙箱环境中直接读写文件、运行命令、执行测试，并迭代修改代码。它们的强项是「给定一个足够具体的任务，把代码写出来」。但其短板也很明显——面对一个几十万行的真实项目，若没有清晰的任务边界，模型容易跑偏、遗漏依赖或反复返工。Superpowers 与 Gstack 这类工具正是在这一层做补位：前者把大项目拆成有依赖关系的模块与开发流程，后者在单个模块内部规定代码分层、接口边界与收敛规则，从而把 agent 的自由度约束在可控范围内。这种「拆解层 + 生成层」的分工，是当前 AI coding 工具链的一个典型范式。

从入门到上线：同步异步架构的隐含位置

原始标题提到了“同步异步架构”，但直播内容中并未展开具体技术细节。从上下文推断，这属于全栈实战课程中架构设计的一部分，与项目模块拆解、代码分层和边界定义密切相关。UP主把拆解和边界设置放在工具使用的核心位置，恰恰说明架构决策——包括同步异步的选择——仍然需要工程师在工具之外完成。

同步与异步是后端与全栈架构中的基础决策：同步调用实现简单、链路清晰，但遇到慢 I/O（数据库、第三方接口、大模型推理）时会阻塞线程、拖垮吞吐；异步调用（消息队列、事件驱动、协程）能提升并发与解耦能力，但会引入顺序性、幂等性、失败重试和最终一致性等额外复杂度。在大模型应用场景中，这个问题尤为突出——模型推理往往耗时数秒到数十秒，若全部同步处理，接口很容易超时。因此架构上常采用「同步接单、异步处理、轮询或推送取结果」的模式。这类决策涉及业务语义与容量权衡，很难由代码生成工具自动完成，仍需工程师在拆解阶段明确界定。

给开发者的现实建议

综合这场直播的观点，可以提炼出几条对一线开发者的现实建议：

• webcoding工具是底线技能。不管做哪个方向，不会用就已经落后。
• 把拆解能力当成核心竞争力。工具负责生成，人负责定义模块、边界和流程。
• 工具链要往前看。Codex和Claude Code之外，Superpowers和Gstack这类负责拆解与规则定义的工具值得投入时间。
• 对替代保持清醒。UP主判断三年后有可能，这意味着现在积累的应该是拆解、架构和监督能力，而不是单纯的代码产出速度。

UP主在直播中说得直白：千万别跟人说“我会大模型是某某老师教的”，项目里自己学的才算数。这句话放在AI coding时代，或许比任何时候都更成立。