引言：当技术革命不再是均富机 人工智能正在以前所未有的速度重塑职场生态。这次不一样——它不只是提升效率或创造新需求，而是在压缩存量工作的人力成本。一个设计小组从五人变成两人加一堆算力，被优化的不仅是岗位数量，更是整个中产阶层的生存逻辑。 一、职场竞争逻辑的根本转变 从专业能力到工具使用效率 传统晋升路径建立在专业积累之上——十几年积累的经验、人脉，被视为不可替代的核心竞争力。但AI介入工作流程后，这种认知正在被颠覆。 核心问题是：你的经验、职级、行业积累，如果无法转化为高效的AI prompt，就可能变成"负资产"。因为你比年轻人贵，还比他们慢。 一个刚毕业两个月的本科生，可能因为熟练掌握AI工具，在三天内完成资深工程师两周才能完成的设计方案。这不是危言耸听，而是正在发生的事情。 中间层正在被"精准打击" 传统公司架构是金字塔：顶层决策，中间层负责信息筛选、传递、美化和统筹协调，底层执行。AI在精准打击中间层。 AI可以迅速读完一百二十页报告并提取摘要，自动回复百分之八十以上的邮件，协调日程、生成报表、进行基础代码审查。以人力资源为例，以前需要五个人做的事情，现在一个人加一套系统就够了。 这意味着年薪50万~100万之间的中产岗位正在逐步消失。 二、被"结构"击中的中产群体 谁是中产？不是有矿的人，而是背着贷款的人 这里的"中产"不是有固定资产收租的得利者，而是指那些在大城市里背负两三百万房贷、开三十万的车、孩子上不错学校、每年必须旅游两次的群体。互联网大厂中层管理者、广告公司总监、金融公司项目经理——至少是公司小头目。 他们的共同特点是：高消费建立在对未来收入持续增长的乐观预期之上。 他们敢于消费，是因为相信自己即使今年被裁员，凭过往履历也能找到平级甚至更好的工作。但现在恐惧在于：市场根本没有平跳的机会了。 从"不会变穷"到"变得无用" 更准确地说，不是变穷了，而是变得没用了。 他们手里还有积蓄、房产，但对未来的预期彻底改变了。一旦预期改变，消费行为立即转变：不再换车，不再换房，连楼下人均400的日料店也不去了。 过去十几年，消费引擎正靠这群人的负债型消费——把未来30年的收入在今天花掉。一旦这个群体对未来失去信心，开始缩表还债、主动减少支出，整个市场就很难拉动。 三、AI与资本的双向奔赴 企业的两难选择 很多人认为贸易战是外部压力、AI是内部技术变革，是两码事。但从现实看，他们是同一件事。 外部环境恶化正在逼迫企业与资本以近乎疯狂的速度拥抱AI。原因很简单：成本。 过去十几年，制造业、外贸企业甚至科技公司赚的是全球化红利——人口红利、供应链优势，技术不算最顶尖，但胜在性价比高。现在关税壁垒让"靠人多、靠低价"的薄利模式走不通了。 企业面临两个选择：把工厂搬到东南亚，或用技术把成本降下来。AI替代人工是主力方向。 资本为何"怕死"且"去人性化"？ 资本第一反应往往不是"培养更多人才"，而是"减少对人的依赖"。 原因很简单：人有情绪，会罢工，会要求涨薪。AI不会——只要服务器运行、有电，它就能24小时工作，没有怨言，不要求股权，不会因为看了个新闻就愤而辞职。 这种对"去人性化"的强烈需求，直接冲击人力资本重建。首当其冲的，是那些受过良好教育、具有较强专业能力、思想活跃的城市中产群体。 讽刺的是：当这些高收入、有话语权、可能对现状不满的群体，突然发现自己的专业技能在AI面前变得一文不值时，他们除了重新学习做"prompt工程师"，还能做什么？ 四、AI平权的双刃剑效应 平权机遇的另一面 必须承认，AI确实带来了某种程度上的"平权"。普通人终于有了进入高门槛行业的机会：以前拍电影需要几百万的设备和专业团队，现在一个人拿着手机加AI工具就能生成一部短片；以前做建筑设计需要科班出身，现在画个小图，AI能帮你生成完整的图纸。 然而，当所有人都能轻易进入时，那条赛道还叫赛道吗？ 以设计行业为例。假设你是一个入行10年的设计师，当年熬夜画图5年，又熬了5年改图跑项目，才爬到今天的位置。你的专业技能、审美判断、行业人脉是你吃饭的家伙。 现在AI设计工具出来了。一个刚毕业的本科生，花两个月学会prompt，就能在三天内生成你花两周才能做出的方案。那个方案可能细节不够完善、结构有瑕疵、不符合某些行业的设计规范，但甲方看不出区别。甲方只看效果图，只看快不快、好不好。 于是，你的专业壁垒被砸碎了。 价格战的必然结局 技术门槛降低，必然出现大量非科班出身的人涌入。已得利益者会怎么做？他们会开始强调：专业伦理、职业操守、行业规范。听起来很正当，但实际上会用一套新的考核体系，把那些"只会用AI但没有路子的人"重新挡在门外。 以前看设计质量，现在AI让设计质量拉不开差距了。怎么筛选人？就看能不能搞定甲方、认不认识设计院的人。这些软性资源，AI帮不了你，只能靠关系、靠圈子、靠多年积累。 结果是：技术门槛降低了，但关系门槛提高了。 五、已得利益者的"言行不一" 中产在公开场合怎么说AI？全是拥抱的姿态——“我们要积极推动AI变革”、“不能落后于时代”、“要抓住数字化转型的机遇”。各种场合纷纷表态支持AI发展。 为什么？因为公开反对AI等于公开反对进步，等于承认自己已经被时代抛弃。所以他们的策略是：姿态上比谁都积极。 但落地的时候呢？他们可能把AI拦在核心业务外。 一个设计公司的高级合伙人让员工用AI写通知，让实习生用AI查资料，但涉及核心客户的资料、关键项目的方案，他会用AI吗？大概率不会。 他会用自己的经验与私人关系去摸对方的底牌。这些软性信息，这些靠多年积累的关系优势，才真正值钱。这些东西从来不"上网"，不在任何数据库里，只在他的脑子里。 六、未来职场：两个圈子的分化 技术圈与人脉圈 未来，职场可能会分化成两个圈子： 技术圈全是精通AI、一个人当十个人用的"超级个体"。他们能力强、效率高，但他们是干活的人。 人脉圈全是那些有关系、有资源、能调动各方的人。他们可能技术一般，甚至根本不懂技术细节，但他们掌握着项目的入口、审批的关卡、资源的分配。他们是分钱的人。 记住：干活的人分不到多少钱，分钱的人不干活。 AI是更好的管理工具 已得利益者明面上不会反对AI的，AI对他们来说是更好的管理工具。 AI让技术精英变得"可替代"了。以前一个技术大牛，老板还得哄着他，他敢跟老板拍桌子。现在AI把他的能力复制了N份，公司里有无数个"他"，他还哪有底气？ 而那些有关系的人，不管AI怎么变，只要审批权还在他们手里，只要项目还得过他们那一关，他们就很难被替代。 关系从未离开 这看起来像是回到"靠关系吃饭"的时代，但"关系"从未离开过，它只是在技术冲击下变得更隐蔽了。 在"拼能力的时代"，能力本身就是一种门槛，能挡住一部分关系户。但现在AI把能力门槛降低了，关系户的劣势被磨平了——你靠关系进来，AI帮你干活，你一样能把事情完成。关系的重要性反而变大了。 七、谁是AI游戏的真正赢家？ 这一轮AI博弈，赢家有两类： 第一类：资源掌控者。 他们掌握着资金、人脉、审批权。AI对他们来说是增效工具——用更少的人赚更多的钱。 第二类：极少数的超级个体。 那些把AI玩到极致、能跨界整合、有个人品牌的人。他们不依附于任何组织，自己就是一家公司。 输家是谁？中间层。那些靠专业壁垒吃饭的设计师、会计师、工程师、律师。他们的技能正在被AI替代，经验正在被AI清零。 还有那些以为"学会AI就安全了"的人。当所有人都会用AI的时候，会用的价值就是零。 ...
基于Claude Code的SDD实战（一）：定义意图
大家好，我是bytezhou，今天实践SDD研发范式，直观感受一下SDD的强大威力！ 环境： macOS：14.8.4 Claude Code：v2.1.26 模型：MiniMax-M2.5（非广告，它的Coding Plan套餐性价比高，这儿有邀请链接https://platform.minimaxi.com/subscribe/token-plan?code=9BE5kxxIhC&source=link，刚在码字时，MiniMax-M2.7发布了…） （另外，关于Claude Code的安装配置和基本使用，这里就不详细展开了，后面打算单独出一个Claude Code系列，给大家分享一下我的使用心得） 需求的萌芽： 每次逛github的时候，对于一些我感兴趣的开源项目，它的Issues、PR、Discussions我都会去看，里面一些讨论挺有价值的，有时候就想能不能把它们留个档，但打开github页面一个个去复制也太傻了，此时，做个小工具的想法油然而生。 模糊的想法： “我要做个小工具，给它一个github的URL链接，就能把对应的Issues、PR、或Discussions的内容扒下来，不用存数据库，转成一个带格式的markdown文件就行。这个小工具就做成命令行的形式吧，简单方便。” 传统范式中，这种模糊的想法，需要产品经理和"用户"反复沟通、来回掰扯、深度挖掘，最终达成一致，输出一份PRD（需求文档）。 SDD范式下，由AI作为产品经理，开发者作为"用户"，我们开发者和AI通过多轮的探索式对话，来进行"需求澄清"，把"模糊的想法"转化成结构化的需求规范spec.md，这就是SDD的第一步，意图定义。下面，我们进入正题。 第一轮对话： 打开终端，创建一个目录，切进去 启动Claude Code，输入下面的Prompt，向AI提问： 我现在想实现一个小工具`down_issue`。 你是一位经验丰富的产品经理，现在需要你向我提问，帮我澄清需求，最终产出一份高质量的`spec.md`。 我初步想法是:做一个命令行工具，输入一个GitHub的Issue、PR、或Discussion的URL，它就能自动把内容扒下来并将其转换为Markdown文件。 现在请开始提问。 AI作为产品经理，会向你输出一系列高质量问题： #第二轮对话： 基于第一轮对话AI提出的问题，我做出了如下回复： **1. 关于输出：** - 文件默认保存在当前目录。**可选** 可通过命令行参数 -o 来指定输出目录。 - 文件名采用 {user}_{repo}_{issue_number}.md，或者 {user}_{repo}_{pr_number}.md **2. 关于内容范围：** Issue/PR/Discussion都必须包含：标题、作者、创建时间、主要内容、所有评论。 **差异处理**： - 对于PR：不用下载diff。 **必须**：保留原始URL链接。 **3. 关于认证与权限：** 默认支持公开仓库即可。 **认证方式（可选）：**仅支持通过环境变量 `GITHUB_TOKEN`传入PAT。 **4. 关于媒体处理：** - 仅保留图片的引用（URL引用）即可，无需下载图片。 **5. 关于错误处理：** - 如果Issue不存在，直接报错退出即可，错误信息打在标准输出上。 - 超时直接透传错误信息即可，不用重试。 AI思考后，会进一步帮你"具象化"问题，下面是它给到的回复： #最后一轮对话： 基于第二轮对话AI提出的问题，我进一步做出了回复；同时，下达了特定的prompt来规范spec.md的生成，如下： ...
AI原生时代的全新开发范式-SDD方法论详解
SDD（Spec-Driven Development），规范驱动开发，是AI原生时代一种全新的开发范式。 很多人初识SDD可能是通过Vibe Coding，刚入行的工程师、缺少技术背景的使用者或许仅仅把SDD当成一种工具，其实不然，在从业多年的工程师看来，SDD这种范式对软件工程领域来说是一次巨大的突破和革新，也是AI原生时代研发工作的＂第一性原理＂。 下面，跟着我进行一次思维升维之旅，为你全面拆解SDD方法论！ 一、AI驱动的研发范式演进过程 首先，请让我带你回顾一下，AI爆发带来的研发范式演进过程，看看SDD是在什么背景下诞生的。 开发者都感受过 AI 的高效，但也有点感觉别扭，究其根源，在于目前我们与AI的协作模式，这种协作模式的演进，大致分为三个阶段： Phase 1：AI作为外部知识引擎 这是最初的协作模式，比如网页版的DeepSeek等。在这个模式下，我们把AI当做外部知识库，手动把问题或代码复制给它，再把它吐出的答案＂搬＂回来（这也是大多数普通用户的使用方式）。 每次交互，我们都是“人肉序列化器”，将复杂的场景上下文，“压缩”成文本再与AI交互。 Phase 2：AI作为嵌入式辅助 这是当前最主流的协作模式，比如VS Code中的AI插件、或者Cursor这样的"AI原生IDE"。 AI “嵌入”到我们的IDE里，能“看到”打开的文件、能智能补全、能在侧边栏与你对话。这相比于 phase 1 是一个飞跃，极大地减少了"人肉切换"的摩擦。 但是，这个"辅助"依然有着局限性： 视野受限：它的上下文，局限在"当前工作区"，对当前打开的文件理解透彻，但对整个项目架构、服务间的依赖等认知不足，缺少全局视野。 环境绑定、行动受限：它的行动被囚禁在IDE上下文环境中，无法作为一个独立代理被部署到任意环境去执行任务，如CI/CD流水线、远程服务器环境等。 phase 2极大增强了我们的编码能力，但本质上仍未脱离“辅助开发者”的范畴，是许多人停留的"局部最优解"。 Phase 3：AI作为原生工作流的智能体 这个阶段，AI从"被动辅助"变成了能"主动"工作的智能体，它能够感知项目全局、能理解人类意图并自主分解成一系列具体执行步骤（如重构这个包）、能利用工具与环境交互（跑shell命令、写文件等）。 AI成为了将人类意图转化为一系列实际行动的"执行者"，典型代表，就是以Claude Code为首的CLI AI Agent（命令行AI智能体）。 SDD正是在Phase 3背景下提出的人机协同研发的一种全新范式。 二、软件工程中"信息的丢失"问题 深入 SDD 之前，我们先看一个软件行业几十年来的根本矛盾：人类意图与代码实现之间的巨大鸿沟。 通常在开发中，各角色是这样协作的： 产品经理 把业务过程 翻译成 用人类语言描述的PRD（需求文档）。 架构师 把PRD 翻译成 技术设计方案。 开发者 再把技术设计方案 翻译成 一行行代码。 这个逐步"翻译"的过程，充满了"信息的丢失"，人类语言的歧义、主观臆断等。比如，产品说"这个按钮点了要立马能显示"，开发者可能理解成"API响应时间小于200ms"，也可能忽略了这句话。 更麻烦的是，文档（PRD、技术方案等）与最终的代码，基本上是脱节的。项目在迭代，代码飞速向前，而文档的更新"看心情"，最终文档在角落慢慢腐朽，成为"代码考古"的障碍。 数十年来，人们发明了UML、敏捷、Scrum等各种方法和工具，想缝合这条鸿沟，收效甚微。我们始终认为：**文档只是"指南"，代码才是"真理"！ ** AI时代的爆发，给了我们颠覆这个"真理"的机会。 三、SDD：规范(Spec)成为"真理之源" SDD实现了一次**“权利反转”**，其核心思想就一句话：规范才是"真理之源"。 SDD范式，是代码服务于规范，那份无歧义、可被机器理解的、结构化的"规范"，成为项目唯一的至高无上的"真理之源"。而代码，则降级为"真理之源"在某种特定技术栈（如Java + SpringBoot + Mysql）下的编译产物。如下图所示： 在这场"权利反转"中： 项目的核心：“修改代码” 变成 “维护规范”。 重构的核心：“大规模迁移代码” 变成 “基于同一份规范，生成另一个技术栈的全新实现方式”。 解决bug的核心：“修正错误代码” 变成 “修正错误的规范”。 要实现上述"权利反转"，“规范"必须具备一个特性：能被机器理解和执行。这就是 AI Agent 要扮演的新角色：“编译"人类的意图。 ...