【姚顺宇眼中程序员的未来在哪】——从 ReAct 到第二半场一个 DeepMind 研究员的 AI 时代生存指南写在前面姚顺宇清华物理本科、斯坦福理论物理博士毕业后毅然转行 AI先后在 Anthropic 参与 Claude 3.7/4.5 开发2025 年 9 月加入 Google DeepMind 参与 Gemini 3/3.1 开发。他是 ReAct推理行动、SWE-agentAI 软件工程师、Tree of Thoughts思维树、CoALAAgent 认知架构的作者——几乎以一己之力定义了 AI Agent 研究的核心范式。在张小珺的 4 小时深度访谈中姚顺宇对程序员的未来给出了最坦诚、最犀利的回答。今天我们从他的学术轨迹、核心观点到程序员生存指南彻底拆解。 文章目录[ 一、姚顺宇从量子物理到 AI Agent 的跨界之路](#一姚顺宇从量子物理到-ai-agent-的跨界之路)⚡ 二、AI 取代程序员渐进过程不是一夜之间️ 三、经典软件工程纪律AI 时代更重要 四、谁能活下来AI 时代的程序员生存指南 一、姚顺宇从量子物理到 AI Agent 的跨界之路1.1 学术轨迹物理学家的 AI 转身姚顺宇的学术轨迹极为独特——他不是传统 CS 出身的 AI 研究者而是从理论物理跨界而来。清华物理本科。姚顺宇在清华大学物理系完成本科学习获得清华特奖——这是清华本科生的最高荣誉。物理学的训练赋予了他第一性原理思维从根本问题出发不被行业惯性束缚。斯坦福理论物理博士。在斯坦福大学攻读理论高能物理博士主攻非厄米系统、量子物理与高能物理。这段经历让他习惯了处理极其复杂的数学系统——这种能力后来直接迁移到了 AI Agent 的系统设计中。伯克利博士后短暂。2024 年博士毕业后姚顺宇在加州伯克利做了几个月博士后随后做出了一个关键决定从量子计算研究正式转向人工智能。1.2 Anthropic 时期参与 Claude 3.7/4.52024 年 10 月姚顺宇加入 Anthropic从量子计算的研究正式转向人工智能。在 Anthropic 期间他参与了 Claude 从 3.7 到 4.5 的提升——这是 Claude 在编码能力上实现飞跃的关键时期。但 2025 年 9 月姚顺宇离开了 Anthropic。他在个人博客中明确给出了原因40% 是因为反对 Anthropic 将中国称为敌对国家另外 60% 源于无法公开的内部信息判断。在告别博客中他写道“Anthropic与你共事很棒但没有你我会更好。”1.3 Google DeepMind 时期参与 Gemini 3/3.12025 年 9 月 29 日姚顺宇加入 Google DeepMind担任 Senior Staff Research Scientist参与 Gemini 3、Gemini 3 Deep Think、Gemini 3.1 等关键模型的开发。在 DeepMind他继续深耕 AI Agent 研究同时将视角从模型能力转向实用价值。1.4 四大核心贡献姚顺宇几乎以一己之力定义了 AI Agent 研究的核心范式ReAct2022。提出推理行动的 Agent 范式——LLM 不再只是生成文本而是交替进行推理Thought和行动Action与环境交互。ReAct 是当前所有 AI Agent 的基础架构被广泛引用。SWE-agent2024。构建了第一个能自主解决 GitHub Issue 的 AI Agent——自动定位 Bug、编写修复代码、运行测试。SWE-agent 在 SWE-bench 上创造了里程碑是 AI 编程能力的标志性突破。Tree of Thoughts2023。将问题求解从线性链Chain-of-Thought扩展为树状搜索——LLM 在多个推理路径上探索、回溯、选择最优解。复杂问题求解能力大幅提升。CoALA2024。提出 Agent 的统一认知架构记忆空间 动作空间 决策过程。为 AI Agent 研究提供理论框架连接认知科学与 AI。⚡ 二、AI 取代程序员渐进过程不是一夜之间2.1 核心判断这一天会来但不是一夜之间在访谈中张小珺直接问出了所有程序员最关心的问题“程序员什么时候会被彻底取代”姚顺宇的回答极其坦诚“这一天会来但不会是一夜之间。不会是程序员还在睡一觉醒来就被取代了。”他强调这是一个渐进过程——AI 的编程能力会逐步增强从辅助工具到半自主 Agent 到全自主系统每个阶段都会淘汰一部分岗位同时创造新的需求。关键不是会不会被取代而是你在这个渐进过程中处于什么位置。2.2 AI 的第二半场从模型驱动到价值定义姚顺宇在 2025 年发表了重要文章《The Second Half》第二半场提出 AI 发展已经进入下半场上半场2012-2025核心挑战是如何训练模型解决问题——更大的模型、更多的数据、更好的训练方法。这个阶段的主旋律是技术突破——从 AlexNet 到 GPT-4从 ResNet 到 Gemini模型能力指数级增长。下半场2025-核心挑战转向该让 AI 解决什么问题和如何评估 AI 的实际价值。这个阶段的主旋律是价值定义——不是模型能不能做而是做什么有价值、如何衡量价值。对程序员而言这意味着AI 的编程能力已经足够强上半场完成但该让 AI 写什么代码和如何验证 AI 代码的正确性下半场问题才是关键。2.3 AI 集中化让少数人更强让大多数人失去独特价值姚顺宇提出了一个尖锐的观点“AI 是高度集中化的技术让少数人更强让大多数人失去独特价值。”集中化的含义是双重的技术集中。AI 能力集中在少数大公司OpenAI/Google/Anthropic普通开发者只能通过 API 使用无法掌控核心能力。掌握 AI 工具的人获得指数级优势没有 AI 工具的人被快速拉开差距。能力集中。AI 让顶尖程序员如虎添翼——他们能用 AI 10 倍加速工作。但只会写代码的普通程序员其编码能力这个核心竞争力被 AI 大幅稀释。编码能力从稀缺技能降级为基础技能。2.4 2026 年AI 编程完整工作流姚顺宇预测2026 年 AI 编程将实现完整工作流——从需求理解、架构设计、代码实现、测试验证到部署维护AI 可以端到端完成。但他同时强调这并不意味着程序员被淘汰而是程序员的角色被重新定义。关键转变程序员从代码编写者变为问题定义者 结果验证者。AI 负责实现人类负责定义和验证。️ 三、经典软件工程纪律AI 时代更重要3.1 反直觉的判断纪律没有过时姚顺宇提出了一个反直觉的判断经典软件工程纪律在 AI 时代不是过时了而是更重要了。很多人认为AI 可以自动生成代码所以软件工程的条条框框不再需要——这是完全错误的。恰恰相反AI 生成的代码更需要软件工程纪律的约束因为 AI 无法保证代码的正确性。3.2 四大核心纪律模块化设计。AI 生成的代码更需要模块化——清晰的接口定义让 AI 理解边界减少幻觉。模块化的核心价值不是代码整洁而是可验证性——只有模块化才能逐个验证 AI 生成的代码是否正确。测试驱动开发TDD。测试是验证 AI 代码正确性的唯一手段。先写测试再让 AI 实现——TDD 从最佳实践变成必须。没有测试的 AI 代码就像没有刹车的汽车——跑得越快越危险。精确规格说明。AI 需要精确的输入才能产生正确的输出。模糊的需求产生错误的代码。规格说明能力——精确描述要做什么——从软技能升级为 AI 时代的核心硬技能。代码审查。AI 代码的审查比人类代码更重要——AI 可能生成看起来对但逻辑错的代码。人类审查能力是防止 AI 幻觉的最后防线。审查不是看看就行而是需要深入理解业务逻辑和系统架构。3.3 为什么纪律更重要核心原因AI 可以生成代码但无法保证代码正确。AI 生成的代码有三个特征速度快秒级生成、表面质量高语法正确、风格规范、逻辑可能错看起来对但实际有 Bug。这三个特征组合在一起比明显有 Bug 的代码更危险——因为你更容易放松警惕。软件工程纪律的作用就是在 AI 高速生成代码的同时确保每一步都可验证、可追溯、可回滚。 四、谁能活下来AI 时代的程序员生存指南4.1 四种能活下来的程序员基于姚顺宇的观点AI 时代能活下来的程序员有四种类型问题定义者。能精确描述要做什么的人。AI 需要精确的输入——模糊的需求产生错误的代码。规格说明能力、需求分析能力、产品思维是核心竞争力。这类人不是写代码的而是告诉 AI 该写什么代码的。结果验证者。能判断AI 做得对不对的人。代码审查、测试设计、安全审计——AI 可能生成看起来对但逻辑错的代码人类鉴别力是最后防线。这类人的价值不在于能写代码而在于能判断代码是否正确。系统架构师。能设计AI 在哪里介入的人。不是让 AI 写所有代码而是设计人机协作的系统架构——知道哪些环节交给 AI哪些必须人类把关。这类人的核心能力是系统思维。领域专家。懂业务逻辑的人。AI 不理解你的业务——医疗的合规要求、金融的风控逻辑、法律的条文解读这些领域知识是 AI 无法替代的。领域知识 AI 工具 超级个体。4.2 程序员角色的演变姚顺宇的判断指向一个清晰的演变路径过去程序员 代码编写者。核心竞争力是编程语言和框架的熟练度。技能 编程。现在程序员 AI 协作者。审查 AI 代码、设计人机协作流程。技能 编程 AI 工具。未来程序员 问题定义者 结果验证者。定义做什么、验证做得对不对。技能 领域知识 系统思维。4.3 编码能力的降级姚顺宇的核心判断中最让程序员不安的是编码能力从核心竞争力降级为基础技能。这就像数学能力——在计算器发明之前快速心算是一种稀缺的、高价值的能力。计算器出现后心算能力从核心竞争力降级为基础技能——你仍然需要懂数学但算得快不再是你的竞争优势。AI 对编码的影响完全类似你仍然需要理解代码但写代码快不再是竞争优势。竞争优势转移到了定义问题和验证结果。4.4 给程序员的行动建议基于姚顺宇的观点我总结了五条行动建议第一学会定义问题。练习写精确的需求文档和规格说明。能用自然语言精确描述要做什么比能用代码实现怎么做更重要。第二强化验证能力。学习测试驱动开发、代码审查、安全审计。能判断 AI 代码是否正确比能自己写代码更有价值。第三深耕领域知识。选择一个垂直领域医疗/金融/法律/制造成为领域专家。领域知识是 AI 无法替代的护城河。第四掌握 AI 工具。熟练使用 Cursor/Copilot/Claude Code 等 AI 编程工具。不是用 AI 辅助编码而是设计 AI 驱动的工作流。第五培养系统思维。理解整个软件系统的架构而不仅仅是单个模块。能设计人机协作的系统架构比能实现单个功能更有价值。 总结速查卡姚顺宇核心观点观点一句话解释AI 取代程序员渐进过程不是一夜之间——从辅助→半自主→全自主AI 集中化让少数人更强让大多数人失去独特价值第二半场从模型能力转向价值定义和评估方法软件工程纪律AI 时代更重要——模块化/测试/规格/审查程序员角色从代码编写者到问题定义者结果验证者编码能力降级从核心竞争力降级为基础技能2026 年预测AI 编程完整工作流——端到端自动化一句话总结姚顺宇对程序员未来的核心判断是AI 最终会取代程序员但这是一个渐进过程——不是一夜之间。AI 是高度集中化的技术让少数人更强让大多数人失去独特价值。经典软件工程纪律在 AI 时代不是过时了而是更重要了——模块化让 AI 代码可验证测试是验证 AI 代码的唯一手段精确规格说明是告诉 AI 该做什么的核心能力代码审查是防止 AI 幻觉的最后防线。AI 发展已进入第二半场从模型能力转向价值定义和评估方法。程序员的角色正在被重新定义从代码编写者进化为问题定义者结果验证者。编码能力从核心竞争力降级为基础技能竞争优势转移到了问题定义、结果验证、系统架构和领域知识。AI 不会淘汰程序员但会淘汰只会写代码的程序员——能活下来的人是那些从实现者进化为定义者验证者的人。参考链接姚顺宇个人主页The Second Half (姚顺宇博客)ReAct 论文SWE-agentTree of ThoughtsCoALA 论文张小珺访谈姚顺宇虎嗅 30 句话总结