我是一名程序员，该如何转型才能不被AI时代淘汰呢

立正把组织内的转型说成“进攻性转型”：原来那种理解一点业务、操作一点数据、输出一点洞察的中间层岗位，具体动作最容易被AI压缩，所以更好的打法不是原地补技能，而是主动往更接近模型、也更接近结果的位置走。这类位置的名字不重要，可以是AI engineer、AI architect、AI PM或builder，关键是职责变了：不再主要负责做一段具体执行，而是负责设计整个系统如何用AI把结果做出来。他列出的价值包括把模糊的业务问题翻译成AI能用的context、设计eval和反馈回路、编排模型工具数据流程、判断什么该自动化什么该人工接管⁠1。对程序员来说，这意味着你原有的工程能力仍然是底子，但衡量你的标准会从“写了多少代码”转向“能不能让一套系统稳定产出结果”。

立正反复强调，停留在聊天框里用AI，和用agent方式让AI调用工具替你做事，是两种完全不同的层次；后者在当下仍能让人处在人群前列，而且在使用过程中学习速度也会更快⁠2。他还提到一位很厉害的程序员一个月产出大量代码，其中自己动手写的只有很小一部分⁠3，说明产出规模已经不再由手写速度决定。同时他提醒，会写prompt、会用某个工具本身不构成核心竞争力，AI背后是一整套新的工作方式和组织方式，理解用AI原生方式产生生产力才是关键⁠4。所以转型的检验标准可以很具体：你手上有没有一个由你设计、AI执行、你能说清评估和取舍的项目。

面对“要不要变”的犹豫，立正的说法是：什么都不改变才是最risky的选择，第一个问题不是怎么变，而是要不要变，行动的决心比方向更重要；而且一定不能停留在聊天框里，要让AI成为杠杆⁠5。他举过一个例子：一位对后端工作不满意的程序员，本身有每天几小时的学习时间，如果真对模型感兴趣，花两周就能学得不错，之后在工作中就能发现用Gen AI的机会，老板其实很希望看到这种主动发起的事⁠6。这里成立的条件是：你确实有可支配的学习时间，并且愿意把学到的东西落到真实工作或side project上。如果只是继续在现有岗位上多学几个工具，位置并不会因此改变。