2025 年，我进入现在的创业公司。
这一年最明显的变化，是 Cursor 进入日常开发。
我前面写过很多语言：汇编、Delphi、Perl、C、C++、PHP、Java、Python、Go、Rust。每一次语言和工具变化，都会改变一点工作方式。但 AI 编程工具带来的变化更直接。
它不是又多了一门语言，也不是换了一个 IDE，而是把“写代码”这件事拆开了。
代码可以生成，但责任不能生成
用 Cursor 写代码，很多时候确实快。
你描述需求，它生成一段实现；你指出错误，它修改；你让它补测试，它能给出基本结构；你让它解释代码，它也能讲个大概。
但这不意味着程序员可以放手。
AI 生成的代码经过确认后基本可用，但有时候也需要改。有时候它会理解错上下文，有时候会漏掉边界条件，有时候会引入不符合项目习惯的抽象，有时候也会来回折腾解决不了问题。
所以程序员的责任没有消失，只是位置变了。
以前更多是亲手写每一行；现在更多是描述目标、提供上下文、拆分任务、审查结果、验证行为、控制风险。
代码可以生成，责任不能生成。
Python 和 TypeScript 的比例变高
这一阶段，大部分时间用 Python，也有大量前端 TypeScript。
这也很符合 AI 时代的工程现实。
Python 适合快速做后端、脚本、数据处理、AI 集成、工具链；TypeScript 则是现代前端和全栈开发绕不开的语言。AI 工具对这两类生态也非常熟，生成效果通常不错。
语言门槛在降低。
以前一个人从后端切到前端，要补很多上下文：框架、构建、状态管理、样式、接口、类型、浏览器行为。现在有 AI 帮忙，跨栈成本明显下降。
但门槛降低，不代表质量要求降低。
前端仍然要考虑交互、布局、状态、性能和可访问性；后端仍然要考虑数据一致性、权限、事务、错误处理和性能。AI 能帮你写代码，但不会自动替你理解产品和系统边界。
提问能力变成工程能力
AI 编程让“提问”变成工程能力的一部分。
问题描述得越清楚，结果越好。上下文给得越完整，返工越少。任务拆得越合理，AI 越容易完成。
这和以前写代码不一样。
以前你脑子里有设计，手上写实现；现在你需要把设计表达给模型。表达不清楚，模型就会猜。它猜得对的时候很快，猜错的时候也很快。
所以我越来越觉得，AI 时代的程序员不是不用思考，而是要更明确地思考。
你要知道哪些部分可以交给 AI，哪些部分必须自己定；哪些结果可以接受，哪些必须重写；什么时候继续追问，什么时候停止让它绕圈。
开发效率真的提升了
即使有这些问题，开发效率仍然大幅提升。
尤其是那些有明确模式的工作：CRUD、接口封装、类型定义、单元测试骨架、脚本、配置、简单页面、错误处理补全、文档整理，AI 都能明显省时间。
更重要的是，它降低了启动成本。
以前做一个不熟悉的方向，第一步经常最难。现在可以先让 AI 搭出一个可运行的雏形，再逐步修正。这让探索速度变快，也让一个人能覆盖更多周边工作。
当然，这也带来新的风险：代码来得太快，技术债也可能来得更快。
如果没有审查、测试和架构判断，AI 生成的代码会把复杂性悄悄堆起来。开发快，不等于长期维护快。
下一年，Claude Code 和 Codex 这类 Agent 工具会让我进一步改变工作方式。AI 不再只是编辑器里的补全和聊天，而开始像一个能在仓库里执行任务的协作者。
2025 年 IT 大事记
- AI 编程工具进入日常。2025 年，AI 编程工具进一步进入程序员工作流。代码生成、解释、重构、测试补全和跨栈开发变得更常见。
- Claude Code 和 Codex 受到关注。更偏 Agent 的编程工具开始从编辑器补全继续向“读仓库、改代码、跑测试”的任务执行演进。AI 编程的粒度变大。
- Cursor 等工具改变开发节奏。AI 编辑器让需求描述、代码生成、人工审查和测试验证结合得更紧。程序员的工作开始从亲手写每一行，转向描述、审查、验证和整合。
- Python 与 TypeScript 高频使用。Python 在 AI 应用、脚本和后端集成中继续重要，TypeScript 在现代前端和全栈开发中保持高频。AI 工具也降低了跨栈开发门槛。
- 工程责任没有消失。AI 能生成代码，但架构判断、边界条件、安全、权限、性能和测试仍然需要人负责。开发效率提升的同时，审查和验证能力变得更关键。
参考资料
- Cursor：Cursor
- OpenAI：GPT-4
- Anthropic：Claude Code
- OpenAI：Codex
