当AI替你写代码时，你以为省下了时间——但你可能正在亲手切断下一代程序员的技能传承链。就像当年美国政府优化掉导弹生产线时，从没想过有一天需要重启它。
一篇让科技圈沉默的文章
4月21日，一篇标题为《The West Forgot How to Make Things. Now It's Forgetting How to Code》的文章在技术圈流传，作者是乌克兰工程团队负责人Denis Stetskov。
他没有写代码教程，没有推荐AI工具，而是讲了一个让所有科技从业者脊背发凉的历史故事。
三个真实案例，揭示同一个规律
案例1：雷神公司重启"毒刺"导弹
2023年巴黎航展，雷神公司总裁描述了一件魔幻现实主义的事：为了重启"毒刺"防空导弹生产线，他们不得不把已经退休的70多岁老工程师请回来。
这批老工程师是唯一看过卡特政府时期原始蓝图的人。
导弹电子设备已过时。导引头早已停产。2022年5月下的订单，要到2026年才能交付——整整四年。不是因为缺钱，而是因为懂得怎么造导弹的人，十几年前就退休了，没人接班。
案例2：欧盟的100万枚炮弹
2023年3月，欧盟承诺一年内给乌克兰提供100万枚炮弹。欧洲实际产能是多少？每年23万枚。乌克兰每天消耗5000-7000枚。
任何有计算器的人都能算出来这不现实。
最后欧盟勉强完成了目标——但晚了9个月。调查发现，欧洲实际产能只有官方数字的三分之一。法国2007年就停止了国内推进剂生产。德国弹药储备只够用两天。波兰一家TNT工厂要重建才能开工。
整个欧洲的国防工业都被优化成了"小批量定制产品"模式，没人考虑过危机时刻的规模化生产。
案例3：Fogbank——连核弹项目都忘了自己发明了什么
Fogbank是美国核弹头中使用的机密材料。1975-1989年生产，之后工厂关闭。
2000年，政府需要重新生产它用于核弹头延寿项目。结果发现：做不出来了。
GAO报告揭示，几乎所有掌握生产技术的人员都已退休、去世或离开。几乎没有记录留存。
花了6900万美元和数年逆向工程，终于生产出可用版本。然后发现——新批次太纯了。原始批次中有一个非有意的杂质，恰恰是功能关键。这个事实存在于老工人的记忆中，不存在于任何文档中。
核武器项目丢失了制造自己发明材料的能力。知识只存在于人脑中，人走了，知识就没了。
五角大楼的"效率革命"
这三件事不是意外。1993年，五角大楼告诉国防CEO们：合并或死亡。
结果：51家大型国防承包商合并成5家。战术导弹供应商从13家变成3家。造船商从8家变成2家。 workforce从320万暴跌至110万。砍了65%。
结果：155mm炮弹壳只有一家制造商，在加州安德烈亚斯断层上。推进剂充电装置只有加拿大一家工厂。为了效率优化到极致，没有丝毫应对危机的余量。
这个故事的教训是什么？
花几十年建立能力→找到更便宜的替代方案→让人才梯队萎缩→享受节省的成本→等待危机爆发，把你优化掉的东西要回来
国防领域的替代方案是"和平红利"。软件领域的替代方案是AI。
软件业正在重演历史
Denis Stetskov在文章中写道：
"我在乌克兰运营工程团队。当雷神从四十年前的蓝图艰难重启生产线时，我的团队正在接收这些武器的另一边。我见过这种模式。它正在我的行业里发生。"
软件业的人才断层已经开始被注意到：
- 初级工程师数量与资深工程师数量比例失衡
- 招聘市场诡异：Junior岗位找不到人，Senior岗位也找不到人
- 很多人会用AI写代码，但不理解代码背后的原理
这和导弹生产线的故事本质相同：优化掉"不必要"的人力，培养AI的依赖，然后发现危机来临时已经来不及重建。
为什么要现在关注这个问题
你可能会说："AI只是工具，让人类做更高层次的工作。"
但问题在于：技能的传承需要活生生的人。
导弹工程师的技能断层，花了6900万美元和数年时间才勉强修复——前提是他们还有蓝图可以逆向工程。
代码不一样。代码的"蓝图"是人类的理解力和判断力。AI可以生成代码，但无法替代人类理解代码为什么会这样运行。
当高级工程师用AI加速开发时，他们也在减少与初级工程师的知识传递机会。
当初级工程师依赖AI生成代码时，他们失去了从错误中学习、从调试中建立直觉的过程。
这个过程不会立刻崩溃。它会在5年、10年后显现——就像那些退休的导弹工程师，不会立刻被发现是问题，直到有一天需要重启生产线。
我们能学到什么
1. AI是加速器，不是替代品
AI编程工具能让你用更少时间完成更多功能。但如果你完全依赖AI，你正在跳过那些让你成为真正工程师的过程。
就像计算器让你算得更快，但如果你连基础数学都不懂，计算器给你一个错误答案时你根本不知道。
2. 保持手工能力作为备份
雷神公司最后还是把老工程师请回来了。物理技能和深层理解不会消失——它们只是被降级了，但没有被消除。
在软件中，这意味着：偶尔关掉AI，自己手写一些代码，理解它的全部细节。
3. 知识管理不能只靠文档
Fogbank案例的核心教训：文档记录的知识是不完整的。真正的知识存在于人的经验和判断中。
在团队中，这意味：pair programming、代码审查、知识分享不只是流程要求，而是技能传承的必需渠道。
4. 识别你所在行业的"Fogbank"
每个行业都有那些"我们知道怎么做，但没人真正知道为什么这样做"的事情。
找出你们团队的Fogbank。确保至少有一些人真正理解那些"就这样做就行"的系统背后的原理。
行动建议
如果你团队有Junior工程师：
- 不要让他们完全依赖AI辅助编程。分配一些需要手动思考和调试的任务。
- 把知识传递纳入考核，而不只是交付速度。
如果你自己依赖AI编程：
- 每周至少一次，在没有AI的情况下理解或构建一个小系统。
- 主动阅读你让AI生成的代码，理解每一行。
如果你在招聘：
- 评估候选人时，加入需要手动解决问题的环节，而不只是看他们会不会用AI工具。
- 注意那些能解释"为什么"而不只是"怎么做"的人。
写在最后
历史的教训不会自动迁移到未来。
导弹和炮弹的案例告诉我们：当效率优化到极致时，我们也在削减应对危机的能力。软件业正在走同样的路。
这不是反对AI编程工具的文章。这是关于在享受AI效率的同时，如何保持人类核心能力的文章。
雷神公司最终请回了退休老工程师。但当你需要重启时，你的"老工程师"还在吗？