从刀耕火种到 AI 编程：工具越强，人越需要判断

人类曾经用双手翻土，后来学会借助水、风与牲畜的力量；马车让路变短，汽车重新定义了距离；手工生产走向流水线与工业自动化，让一个人的劳动可以撬动庞大的生产系统。信息时代，我们把知识、协作和交易搬进网络。今天，AI 开始参与写作、设计和编程。

每一次跃迁，都把某种原本费力的事情变得容易，也带来了新的问题：当工具替我们完成更多动作，人该负责什么？

我不敢想象百年、千年，甚至亿万年后的人类会以什么形态存在。如果那时人类仍在，也许我们早已无法用今天的职业和设备描述自己。但至少此刻，AI 编程已经给出一个清晰的提示：写出代码的成本正在下降，理解系统、定义目标和检验结果的责任却没有消失。

过去学开发，常从语法和框架开始：JavaScript 怎么写，Java 的类如何设计，Go 的并发如何使用。如今 AI 能迅速生成组件、接口和测试，我们更需要先问：这段代码属于系统的哪一层？浏览器负责交互，Web 或 BFF 负责编排，Java、Go 等服务承载业务规则，PostgreSQL 保存交易和关系数据，运行环境决定它们如何交付和观察。先看清地图，工具才有位置。

同样是 JavaScript，运行在浏览器与 Node.js 中，能接触到的世界并不一样。浏览器有 DOM 和用户事件，服务端能处理文件、环境变量与后台任务。React 组织界面，Next.js 提供应用框架，Node.js 提供一种服务端运行时。AI 可以把它们写进同一个项目，却不会因为代码通过编译，就自动分清职责。遇到 window is not defined，关键不是让 AI 再试一个写法，而是先确定代码实际运行在哪里。

页面也有自己的时间线。CSR、SSR、RSC 解决的约束不同：交互、首屏内容、搜索可见性、客户端代码量，都需要取舍。服务器返回 HTML 后，用户可能已经看见按钮，却还不能点击；浏览器加载脚本并完成 Hydration，页面才获得相应的客户端行为。让 AI 设计页面，要说明服务端与客户端的分工；出了问题，再沿着 HTML、脚本加载、Hydration 和事件绑定逐层排查。

数据流也一样。fetch 与 Axios 都能发送 HTTP 请求，选择取决于项目怎样组织鉴权、超时、重试和错误处理。状态管理也不该从选 Redux、Zustand 或 React Query 开始，而要先问数据属于谁：弹窗开关属于局部界面，筛选条件可能属于 URL，远端数据来自 API，订单的最终事实在后端数据库。若把这些生命周期不同的数据全塞进一个 Store，AI 只会更快地扩大混乱。

一次 GET /api/user 背后，可能经过浏览器、网关、BFF、Java 或 Go 服务、缓存和 PostgreSQL。Java 适合承载复杂业务与长期维护的服务，Go 常用于并发请求与轻量服务；选型仍要看团队、约束和已有系统。PostgreSQL 不只是“存一下数据”：表结构、事务、索引与权限共同决定数据是否可靠。每一层都有契约和失败方式。浏览器不应直接持有数据库权限；请求失败时，要沿状态码、日志和调用链定位问题。

LAMP 的形态一直在变。Linux、Apache、MySQL、PHP 曾是一套典型的 Web 组合。企业应用里，Java 与 .NET 又成为重要支柱：应用服务器、分层架构和框架承载了更复杂的业务。今天，一种务实的组合是 Linux、前端 JavaScript、Node.js、Go、PostgreSQL 及扩展。技术名会变，运行环境、请求入口、业务规则和数据存储的职责仍需讲清。

技术也会退下舞台中央。JSP、Classic ASP、VB6、ASP.NET Web Forms 曾经承载大量应用；今天的新项目已有不同选择，但旧系统仍在运行。它们的主流位置变了，并非一夜消失。JSP 仍有规范，Visual Basic 仍受 .NET 支持，Web Forms 仍属于 .NET Framework 技术体系。AI 能协助迁移，却不能替我们判断兼容成本与数据风险。

即使代码写完，工程仍未结束。package.json 表达依赖意图，lockfile 固定解析结果，包管理器安装物料，构建与测试验证交付产物。AI 能迅速添加依赖，却不能替团队保证版本一致、来源可信、部署可复现。“我电脑能跑”距离“系统可靠运行”，还隔着一整条工程链路。

回看这十个基础问题，它们指向同一种能力：知道代码在哪里运行、何时执行、数据归谁、请求经过哪里、失败如何被观察、结果怎样被证明。今天的组合也不是固定配方：Node.js 可承担 Web 服务或构建任务，Go 可承载后端服务，PostgreSQL 可以通过扩展机制增加能力。与 AI 协作时，我们给出目标、边界、契约和验收标准，再让它加速实现；出了偏差，就带着证据修正。

从借助自然之力到借助机器，再到借助 AI，人类不断把力量交给工具。我们无法预言遥远未来的形态，却可以决定今天怎样使用这份力量：先理解边界与取舍，再让 AI 把想法带到现实。