AI 不会让开发者失业，而是促使他们进化，成为更有战略价值的技术决策者。

当 Anthropic CEO Dario Amodei 宣称 AI 将在 6 个月内编写 90% 的代码时，编程世界似乎即将面临程序员岗位“大面积消失”的阶段。然而，在 Salesforce 内部，却出现了不一样的景象。

“过去的 30 天，大概有 20% 的 APEX 代码来自 Agentforce。”Salesforce AI 高级副总裁 Jayesh Govindarajan 在最近的采访中表示。他的团队不仅追踪 AI 生成的代码，还追踪那些真正被部署到生产环境中的代码。这里有一组数字展示了一场不容忽视的开发加速进程：每月活跃用户 3.5 万人，接受使用的代码达 1000 万行，内部工具每月节省开发者 3 万小时的工作时间。

Apex 是一种强类型、面向对象的编程语言，允许开发人员在 Salesforce 服务器上结合 API 调用执行流程和事务控制语句。

Agentforce 是 Salesforce 旗下的数字劳动力平台。它是一个低代码、人工智能驱动的平台，允许企业创建和部署自主的数字 Agent，以实现任务自动化、增强客户服务和提高整体效率。

但 Salesforce 的开发人员并没有消失，反而在进化。

“绝大多数开发工作，至少第一稿代码都由 AI 完成。”Govindarajan 承认。“但开发者处理第一稿代码的方式，已经发生了根本变化。”

01 从代码行到战略掌控：开发者正在成为技术决策者

软件工程一直是创造力与乏味的重复劳动的结合体。如今，AI 负责乏味的重复劳动，推动着开发者充分发挥创造力。

“软件开发人员从一个纯技术角色转向更具战略性的角色。他们不再是‘为了写代码而写’，而是会思考‘我们该做什么？客户真正需要什么？’”Govindarajan 解释说。

这种转变与其他技术颠覆如出一辙。比如：计算器取代人工计算后，数学家并没有消失，他们开始解决更复杂的问题。数码相机淘汰暗房技术后，摄影反而得到了拓展，而不是萎缩。

Salesforce 认为，代码的命运也将如此。随着 AI 大幅削减软件创作成本，开发者获得了他们一直缺乏的资源：时间。

“以前要花几周才能做出产品原型，现在只需要几个小时就能完成，”Govindarajan 说。“再也不用只是通过文档向客户展示我们‘计划要做什么’，而是直接交给客户一个‘可以运行的软件’，然后根据客户的反馈再快速迭代。”

02 “氛围编程”已来：开发者不再逐行敲代码，而是与 AI 协作

程序员们开始采用一种叫“氛围编程（vibe coding）”的新方法，这是 OpenAI 联合创始人 Andrej Karpathy 提出的术语。这种做法不是给 AI 发送一个精确的动作命令，而是给 AI 提供一个高级战略型的指令，然后再对 AI 输出的结果进行打磨。

“只需要给 AI 一个大致的构想方向，然后让 AI 发挥创造力生成第一稿，”Govindarajan 说，“当然，AI 生成不会一开始就非常符合程序员的预期，但它会提供一个可操作的初级版本。程序员再根据这个版本进行修改，比如说‘这个部分不错，多写一点’，或者‘这些按钮太丑了，删掉’。”

这个过程就像是在进行音乐创作的合作：“AI 设定节奏，程序员微调旋律。”

虽然 AI 在生成标准的业务应用方面表现很出色，但它的能力是有边界的，Govindarajan 坦言。“你不会用氛围编程去构建下一代数据库。但你可以打造一个界面酷炫、可以调用数据库的业务应用。”

03 新的质量要求：AI 写代码也要重新定义测试方法

AI 写代码的方式不同，对质量控制的需求也不同。他们发现机器生成的代码需要全新的测试方式，于是，Salesforce 开发了 Agentforce Testing Center。

“这些是随机性系统（stochastic systems），”Govindarajan 解释说。“即使代码的准确率很高，但在某些场景也会有失败的情况。比如，可能会在第 3 步失败，也可能在第 17 步失败。如果没有合适的测试工具，就根本发现不了问题。”

AI 输出结果的“不确定性”意味着开发者必须精通边界测试（Boundary testing）和护栏设置（guardrail setting）。也就是说，开发者要测试 AI 在输入处于极端情况（如最大值、最小值、异常值等）时的输出表现，确保系统在各种情况下都能稳定运行，不会因为输入的微小变化而产生不可预测的结果。他们也要为 AI 系统设置规则和限制，确保 AI 的输出在可接受的范围内。

开发者不仅要懂得如何写代码，更要懂得如何“评估代码”。

04 不仅是代码生成：AI 正在压缩软件开发周期

这场变革不仅发生在编码初期，它已经蔓延到整个软件生命周期。

“在 build 阶段，工具可以理解现有代码并智能扩展，从而加快整个流程，”Govindarajan 说。“接下来是测试，生成回归测试、为新代码创建测试用例，这些也能由 AI 完成。”

这种全面自动化创造了 Govindarajan 所说的“从想法到现实的更紧密循环（tighter loop）”。开发者测试和调整的速度越快，就越敢有更雄心勃勃的构想。

05 算法思维依然重要：AI 时代更需要计算机科学基础

Govindarajan 经常会被问到软件工程的未来。他说，经常有人问他这样一个问题：有了 AI，大家还需要学计算机科学吗？

答案是必然需要。因为算法思维依然非常重要。如何把大问题拆分成小问题，了解软件能解决什么问题，建模用户需求，这些技能变得‘更重要’，而不是不再重要。

变化的是这些技能的呈现方式。开发者不再是一个字符一个字符地敲出解决方案，而是引导 AI 工具得出最佳结果。人类提供判断，机器提供速度。

“开发者依然需要具备良好的直觉，给出适当的指令，并判断结果的优劣，”Govindarajan 强调。“要对 AI 的产出进行审美判断，这才是真功夫。”

06 战略的提升：开发者正从执行者转向商业伙伴

随着编码本身被商品化，开发者的角色开始与商业战略直接挂钩。

“开发者现在承担的是监督者的角色，指导 Agent 为他们工作，”Govindarajan 解释道，“但他们仍然要为最终发布的东西负责。最终责任仍在他们身上。”

这种角色的提升让开发者离决策者更近，离实施细节更远。这不是被替代，而是被“升职”。

Salesforce 为这一转变提供了不同阶段的工具支持：Agentforce for Developers 负责代码生成，Agent Builder 用于自定义，Agentforce Testing Center 保障可靠性。三者组成一个完整平台，帮助开发者成长为全能选手。

Salesforce 的愿景，与“开发者将被淘汰”的叙事形成鲜明对比。软件工程师如果愿意适应，这个职业不仅不会走向消亡，反而会变得比以往更加不可替代。

在这个不断重塑自我的行业中，AI 是有史以来最强大的“编译器”，它不仅改变了“如何写代码”，也改变了“谁来写代码”、“为什么写代码”。对于那些愿意更新自身思维模型的开发者来说，未来更像是“升华”，而不是终结。