Code is cheap. Show me the idea.
过去软件行业有一句很有名的话：
1 | Talk is cheap. Show me the code. |
这句话代表了前 AI 时代非常典型的工程文化。空谈没有意义。能跑的代码才是真东西。不要只讲想法，把实现拿出来。
但站在 2026 年的角度看，这句话背后的价值结构正在发生反转。现在越来越像是：Code is cheap. Show me the idea.
在过去很长一段时间里，“Talk is cheap. Show me the code.” 是成立的。因为从想法到可运行代码之间，存在巨大的实现成本。很多人可以描述一个系统，但真正能把它稳定实现、接入工程、处理边界条件、修完 Bug，最终交付的人要少得多。
编程正在从脑力 + 体力劳动，变成近乎纯粹的脑力劳动
如果把程序开发粗略分成两部分：
1 | 设计 + 实现 |
那么在前 AI 时代，一个功能的大多数工时往往都消耗在实现上。
越是复杂的功能，工程实现越像一种体力活。你要写代码、改接口、接系统、补边界、调试、测试、修 Bug，再调试，再测试。即使最初的想法并不复杂，真正把它落地到生产环境里，也常常要付出大量时间。
这导致一个很现实的问题：系统设计的时间预算通常很低。
下游催着要功能，实现本身又很耗时，很多时候根本没有足够的时间让工程师好好推敲架构。最后的结果往往是边想边写边改。写到一半发现设计有问题，也会因为改动成本太高而选择将错就错，先把功能交付出去。至于重构，那就是"以后有机会再说"。
这不是工程师不重视设计，而是现实预算不允许。实现成本太高时，设计空间天然会被压缩。
而 AI 编程改变的正是这个比例。当大量具体编码工作可以交给 AI 快速完成时，工程师的时间和注意力不再主要消耗在"把代码一行行写出来"上，而是会更多转向目标定义、架构取舍、结果验证和风险判断，繁重的体力劳动包袱被卸下，取而代之的更为纯粹脑力劳动。
这是职业的进化，也是行业的革命。
距离
AI 编程工具的最大价值，表面上看是代码生成。但更深一层看，它真正改变的是：
1 | 想法 → 验证 |
这条路径的成本。
过去一个新点子从产生到落地验证，可能需要半天、一天，甚至更久。所以很多想法根本不会进入验证阶段。它们并不是被证明错误，而是因为太贵，还没开始就被放弃了。
现在情况不同了。一个工程师可以和 AI 一起制定方案，让 AI 快速执行，然后自己 review 结果并继续迭代。原本沉重的编码工作和时间成本被大幅压缩。一个新想法从提出到初步实现，可能只需要十几分钟。
这带来的变化非常深远。当试错成本足够低时，工程师会更愿意探索多个方案，更敢于推翻已有实现，更容易在早期发现架构问题。过去因为实现成本太高而不得不选择"先凑合交付"的场景，现在有机会变成"先快速验证几个方向，再决定真正采用哪一个"。
AI 让软件工程更接近实验科学。
新人的价值和行业的人才梯队问题
AI 对初级工程师的冲击是显而易见的。
过去，企业需要大量新人，一个重要原因是资深工程师精力有限。面对复杂系统，他们不得不把一些相对简单的模块实现、工具开发、测试脚本、文档整理、Bug 修复等工作拆分出去。新人通过完成这些工作分摊团队压力，同时在真实项目中成长。
现在，资深工程师在完成系统设计后，很多实现工作可以交给 AI。AI 做得快，成本低，而且在许多明确任务上质量并不差。从短期生产力的角度看，AI 确实会替代大量原本属于初级岗位的工作。
但这里存在一个严重的问题：新人最大的价值，从来不只是今天多写几千行代码。
新人真正的行业价值是：
1 | 他们是未来的中级工程师、高级工程师、架构师和技术负责人。 |
如果行业因为 AI 的出现而停止招聘新人，短期看效率可能提高，但长期看会破坏人才供应链。
高级工程师不是凭空出现的。架构师也不是从学校直接培养出来的。他们是在真实生产环境中，通过不断做决策、承担后果、复盘失败、修正判断，慢慢长出来的。
如果没有新人进入真实项目，十年后短缺的可能不是会写代码的人，而是能做正确技术决策的人。
学校无法替代生产环境
AI 确实会改变新人学习编程的路径。过去新人可能通过大量手写 CRUD、工具脚本和业务模块来成长。未来，他们可能更多通过阅读 AI 生成代码、修改代码、验证方案、管理 Agent 来成长。
但有一个问题不会改变：真正的工程能力很难在学校里学到。
学校里的问题大多是封闭问题。有明确输入、明确输出、明确评价标准。但生产环境中的问题通常是开放问题。你面对的不是"怎么实现一个算法"，而是"在预算有限、时间有限、需求变化、历史包袱、团队协作、线上风险都存在的情况下，该牺牲什么，保留什么，优先做什么"。
这类能力只能在真实项目中锻炼。架构设计能力尤其如此。
它不是通过看书获得的，而是通过决策和后果训练出来的。当一个设计选择在半年后导致维护困难、性能问题、扩展失败或返工成本时，工程师才会真正理解某些原则为什么重要。
经验不是工作年限本身。经验是：
1 | 自己做过决定 |
AI 可以帮人写代码，但它不能替新人获得真实的项目经验。
工程师的核心价值正在从实现能力转向判断能力
当前最重要的变化是，代码实现不再像过去那样稀缺。
当实现成本下降后，人与人之间的差距会越来越少体现在"谁写代码更快"，而越来越多体现在：
1 | 谁能发现真正的问题 |
在 AI 时代，工程师的工作重心会从"亲手写出所有代码"，逐渐转向"管理软件产生的过程"。
这个过程大概会变成：
1 | 定义目标 |
这里最贵的部分不再是代码，而是目标、约束、判断和验证。
"想法"也会变便宜，最终稀缺的是证据
不过，仅仅说"show me the idea"还不够。
因为 AI 不只会写代码，它也会生成大量看起来合理的方案。当方案生成也变得便宜时，单纯的 idea 同样会变得泛滥。
所以更完整的表述也许是：
1 | Code is cheap. Show me the idea. |
真正强的工程判断，不能只停留在"我觉得这样更好"。
它需要回答：
1 | 为什么这是值得解决的问题？ |
这意味着未来的软件工程会更重视实验设计和证据链。
一个好的 AI 时代工程流程，不应该只是让 AI 更快地产生代码，而应该让 AI 帮助工程师更快地产生可验证的假设，并围绕这些假设组织实现和实验。
从程序员到工程组织者
AI 会让工程师越来越像工程组织者。这里的"组织者"不是管理意义上的领导，而是类似工程项目里理解图纸、组织施工、控制质量和验收结果的人。
过去的工程师更像工匠：
1 | 设计 |
未来的工程师会越来越像工程组织者：
1 | 构思 |
这不是说工程师不需要懂代码。恰恰相反，工程师必须更懂代码，才懂得如何审查 AI 的实现、识别隐藏风险、判断方案是否可靠。
但代码不再是工作的全部。它会更像一种被调度的资源。
真正的核心能力会变成：
1 | 问题定义能力 |
这些能力过去也重要，只是被大量编码劳动遮蔽了。AI 把实现成本压低之后，它们会变得更加显眼。
未来的软件工程教育和新人培养需要重构
如果行业仍然需要未来的高级工程师，那么新人就不能只被 AI 替代，也必须被重新培养。
未来新人也许不再需要从大量低价值实现工作开始成长，但他们仍然必须进入真实项目。他们需要学习的不只是语法和框架，而是：
1 | 如何理解需求背后的真实问题 |
软件行业可能会越来越像医生行业。
医生不是靠背书成长为主治医生的。他们必须接触真实病例，在更有经验的人指导下参与诊断和治疗，承担逐步增加的责任。
未来的软件工程新人也许会走类似路线：
1 | 新人 |
低价值实现工作会减少，但真实生产环境中的责任训练仍然不可替代。
结语
“Talk is cheap. Show me the code.” 属于一个实现能力稀缺的时代。
在那个时代，能把想法变成可运行代码就是很强的过滤器。
但在 AI 编程工具快速发展的今天，实现本身正在变得越来越便宜。代码仍然重要，但它不再是唯一的稀缺资源。
新的稀缺资源是：
1 | 有价值的问题定义 |
所以也许我们需要一句新的工程格言：
1 | Code is cheap. Show me the idea. |
但它真正想表达的不是轻视代码。
而是提醒我们：当代码生成变得越来越容易时，工程师更应该把注意力放在真正困难的事情上。
1 | 选择正确的问题 |
这才是 AI 时代软件工程最核心的价值。
本文由我与 GPT-5.5 的一次长谈整理而来。某种意义上，它本身也是 “Code is cheap. Show me the idea.” 的一次实践。