作者：技术老金
引子：一个让我“后背发凉”的技术评审会
我是老金。
周三下午，团队开技术评审会，主角是刚入职半年的小李。一个非常聪明的年轻人，对各种AI工具的运用，比我这个老头子熟练得多。
这次他负责给一个核心的“商品推荐”服务，增加一套复杂的“动态权重”功能。简单说，就是要根据用户的实时行为（比如浏览、加购、分享），动态调整推荐商品展示的优先级。这个需求，技术上不难，但极其繁琐，涉及到大量的数据模型定义、接口改造和单元测试的编写。我原本给这个任务排期是三天。
小李站在前面，有些腼腆，但眼神里全是藏不住的兴奋。
“老金，这个功能我用AI辅助，一天就写完了。这是新增的几个API接口，还有单元测试，覆盖率95%，所有老接口的测试用例也都跑通了。”
他话音刚落，会议室里几个年轻工程师的眼神瞬间就亮了。一天搞定三天的活，这效率确实没得说。
我看着屏幕上AI生成的、工整得像教科书一样的代码，心里却“咯噔”一下。我没说话，放大代码，问了两个问题：
“第一，你在这里定义了三个新的数据模型，直接和主库的商品表做关联。但我们这个推荐服务，为了不影响主站性能，一直遵循的是‘读写分离’和‘数据异构’原则，所有数据都来自每日同步的只读库。你这个改动，会让推荐服务在高并发时，直接冲击主库，可能会拖垮整个商品系统。这一点，你是怎么考虑的？”
“第二，你写的这几个单元测试，都非常标准。但它们只测试了正常情况下的输入和输出，没有包含任何异常场景。比如，如果上游的用户行为日志延迟了，或者数据格式错了，你这个动态权重服务会不会因为拿到空值或异常值，导致整个推荐接口返回空白？这种‘防御性’的测试用例，我一个都没看到。”
小李愣住了，脸颊微微泛红。他滚动着鼠标，在代码里上下查找，几秒钟后，他小声说：“AI……AI生成的方案，是直接关联主库的。它写的单元测试，也都是这种标准的……我……”
那一刻，我没有再问下去。
我看到的，不是一个年轻工程师的技术疏漏，而是一个让我后背发凉的未来图景：
当AI能轻易地生成“正确”且“高效”的代码时，那些无法被量化、无法被写进需求文档，只能靠一次次踩坑、一次次救火才能积累起来的隐性经验（Tacit Knowledge），它们的价值到底在哪里？
我们这些老兵，引以为傲的究竟是什么？是帮助我们洞察全局、预见风险的“资产”，还是在新时代让我们行动迟缓、格格不入的“负债”？
“负债论”——我们到底在焦虑什么？
在给“经验”唱赞歌之前，我们得先坦诚一点，把头埋进沙子解决不了任何问题。老兵们的焦虑，并非空穴来风，它真实、沉重，而且逻辑自洽。
首先，是无法回避的学习曲线。我们得承认，年轻一代是数字原住民，他们面对AI这种新范式，上手速度、接受程度，确实比我们这些已经形成了固定思维模式的“老家伙”要快。
其次，是难以根除的思维固化。我们中的一些人，确实有严重的“路径依赖”。习惯了用自己熟悉的那套“屠龙之术”去解决所有问题，面对AI给出的新捷径，第一反应不是拥抱，而是质疑，甚至是排斥。
但这些，都只是癣疥之疾。
真正让我们夜不能寐、如芒在背的，是那个血淋淋的职场现实——无法忽视的“35岁现象”。
我们别自欺欺人了。在多少公司的招聘要求里，“年龄35岁以下”是一条心照不宣的红线？在一次又一次冰冷的裁员名单上，那些“高薪”的老员工是不是首当其冲？这背后，是一笔赤裸裸的、关乎成本与收益的经济账。
而AI的出现，正在给这本残酷的账本，添上更让人心寒的一笔。
它让管理者有了一个全新的、极具诱惑力的选项：一个刚毕业的年轻工程师，加上一个Copilot或ChatGPT的商业版订阅，他们的组合成本，可能还不到一个资深架构师的三分之一，但却能完成过去80%的开发工作。
当这道选择题摆在老板面前时，他自然会问：我为什么还要为那剩下的、看似“非核心”的20%工作，付出那么高的溢价呢？
这，才是“大龄程序员”焦虑最真实、最刺骨的来源。它不再是一个技术问题，而是一个关乎生存的经济问题。当你的性价比被一个“更便宜、也足够好”的方案挑战时，你所积累的一切，看起来都像是一触即溃的“负债”。
真正的“资产”——AI无法编码的三种核心价值
账，确实是这么算的。但如果企业和技术的运转，真的只是一道如此简单的算术题，为什么今天各大公司的核心系统，掌舵的依然是那些“昂贵”的老兵？
因为在等式的另一边，存在着一些无法被AI量化、却能决定一个项目、一个产品生死存亡的东西。这些东西，就是“经验”这枚硬币闪闪发光的另一面——是我们在AI时代下，最硬核、最无法被替代的“资产”。
第一，是穿透表象的“架构判断力”
AI能给你提供10种实现某个功能的解决方案，甚至能引经据典，告诉你各自的性能优劣。但它永远无法告诉你，在你当前这个已经运行了五年、代码量上百万行、历史包袱比你头发还重的系统里，哪一种方案能在未来半年内不引发“雪崩”。
就像开篇的例子，AI推荐直接关联主库，从“代码”层面看，简单、直接、高效。但一个有经验的架构师，脑海里会立刻拉响警报：这违背了“读写分离”的架构铁律，高并发下会直接冲击主库，拖垮整个商品系统。这个“不”字，就是判断力。
这种判断力，源于对业务复杂度的深度理解，对技术债的长期洞察，对团队能力边界的精准评估。AI懂代码，但经验懂权衡（Trade-off）。在资源有限、时间紧迫的现实世界里，做出那个“当下最不坏”的决策，是资深工程师的灵魂所在，也是AI无法企及的高度。
第二，是定义问题的“工程抽象力”
AI很强大，但它是被动的。它擅长解答，但前提是你必须提出一个好问题。
将一个来自产品经理的、模糊的、甚至充满矛盾的业务需求——比如“我想要一个更智能的推荐系统”——一步步拆解、澄清、翻译成一个逻辑严谨、边界清晰、AI能听懂的工程问题，这个过程，叫做“抽象”，是软件工程的精髓，更是经验的凝结。
一个新手可能会问AI：“如何写一个推荐算法？”
而一个老兵会问：“请为我设计一个支持实时行为反馈的商品推荐服务。该服务需采用‘召回+排序’两阶段架构，召回层需融合基于内容的协同过滤和基于用户的协同过滤两种策略，并考虑冷启动问题。排序层使用LR模型。所有接口需满足200ms内返回，并提供完整的监控和降级方案。”
你看，后者的提问，本身就是一份微型的“技术设计文档”。定义问题的深度，决定了解决方案的上限。这种能力，AI给不了你。
第三，是预见风险的“代码敬畏心”
我带过很多年轻的工程师，他们聪明、高效，但普遍缺乏一种东西——敬畏心。
他们看到一段代码在测试环境能跑通，就觉得万事大吉。而一个老兵看到同样的代码，脑子里可能会像过电影一样，闪过一连串的问题：这里的并发控制加锁了吗？数据量大了会不会有性能瓶颈？这个第三方库的许可证合规吗？如果这段逻辑连续失败，熔断和降级策略是什么？日志打得够不够，出了问题能快速定位吗？
这种看似“杞人忧天”的担忧，恰恰是经验最宝贵的产物。它是无数次“踩坑”、无数次线上救火、无数次写复盘报告后，刻在骨子里的“肌肉记忆”。
这种对风险的“直觉”和“第六感”，是AI基于概率模型永远无法拥有的。AI没有在凌晨三点被报警电话叫醒过，所以它无所畏惧。而我们经历过，所以我们步步为营。
给“老兵”们的行动指南——如何让你的经验“利滚利”？
光有信心还不够，我们还得有行动。空谈价值，只会被现实碾压。面对AI浪潮，老兵们要想让自己的经验持续“增值”而不是“贬值”，就必须主动求变。老金我给你三条实在的建议，也是我正在身体力行去做的。
第一，把AI当成“副驾驶”，而非“自动驾驶”
不要排斥，更不要恐慌。我们必须主动去学习和拥抱AI工具，把它当成一个能力极强、但毫无经验的“副驾驶”。
让它去帮你处理那些最耗费精力的“体力活”——根据你的设计文档生成样板代码、为你那段复杂的业务逻辑编写全套的单元测试、把你的代码重构成另一种语言……把这些都放心地交给它。
然后，你，作为“主驾驶”，则需要把全部的精力，聚焦在那些更具战略价值的“脑力活”上：定义行驶路线（架构设计）、观察路况（风险预判）、并随时准备在AI跑偏时，果断地接管方向盘。
第二，从“代码实现者”升级为“方案决策者与质量守护者”
在团队里，要有意识地让渡一部分“编码的权力”，把它交给AI，交给年轻的同事。你未来的核心价值，应该更多地体现在技术选型、架构设计、复杂问题攻坚和代码审查（Code Review）上。
尤其是Code Review，在AI时代，它的重要性被提到了前所未有的高度。它不再是检查代码风格和低级错误，而是守护系统质量的最后一道、也是最重要的一道“防火墙”。
你要成为那个能一眼看出AI生成代码背后“偷懒”之处的人，是那个能对提交代码的年轻工程师问出“你是否能为AI写的每一行代码负全责”的人。你的价值，在于为最终合并入主干的每一行代码，都打上你经验的“质检戳”。
第三，成为“问题定义者”和“知识布道者”
未来，一个团队里最有价值的人，除了能解决最棘手问题的人，还有那个能教会所有人“如何更好地工作”的人。
你要做的，就是成为后者。
你要把你的“抽象力”和“判断力”发挥到极致，成为团队里最会“提问”的人。不是向AI提问，而是向产品、向业务、向不确定性提问，把模糊的需求，变成清晰的“问题定义”，然后再“翻译”给AI和团队去执行。
同时，你要成为团队知识的“布道者”。把你踩过的坑、你的设计哲学、你对风险的敬畏心，通过每一次Code Review、每一次技术分享，沉淀为团队的共同财富。一个人的经验是“资产”，能把整个团队的经验提上来，那才是真正的“核心资产”。
结语
回到最初的那个问题：经验，在AI时代，到底是“资产”还是“负债”？
我想，答案已经很清晰了。
AI时代，淘汰的从来不是“大龄”程序员，而是那些经验无法“复利”、认知停止迭代的程序员。
如果你的经验，只是让你习惯于用老办法解决所有问题，那它就是让你行动迟缓、思想僵化的“负债”。
但如果你的经验，已经内化为你穿透表象的判断力、定义问题的抽象力、和预见风险的敬畏心，那么恭喜你，AI不仅无法取代你，反而会成为你手中最强大的“杠杆”，让你站得更高，看得更远。
技术浪潮滚滚向前，我们无法阻挡。AI是那股最汹涌的浪，而你几十年积累下来的、对工程、对业务、对人性的深刻理解，正是让你在这股浪潮中，唯一可以信赖的、沉甸甸的“压舱石”。
好了，今天就和大家掰扯到这里。
对于这个话题，你的看法是什么？在AI时代，你的经验给你带来了哪些新的优势或挑战？
欢迎在评论区和老金一起聊聊。
文章已同步发布到微信公众号【技术老金】，欢迎关注。