程序员的神话破灭了！Codex竟然能让AI自己写目标，18小时内实现14个功能只花4.2美元，太惊人了吧！

程序员这个圈子里，原本的神话正在被自己人拆解掉。昨天大家还在讨论“你会写提示词吗”，今天却直接跳到了“连目标都不用写了”。乍一听好像效率大幅提升，但实际上就是把人脑中最宝贵的判断力一点点交给了模型。

这次引发讨论的是Pietro Schirano，他曾是Anthropic的成员，现在是MagicPath的CEO。他直接说自己几乎不再手动写目标，而是让Codex来给他准备一份，再为每个子智能体各自写一份。任务的拆分、并行和检查等都由AI来安排，人类只需给出一句大致的意图就行。

听起来确实很高大上，像是“我只负责战略，执行交给机器”一样，但其实不那么美好。说到底，这是将开发流程中最昂贵的部分，从“写代码”上升到“定义问题”，而现在连定义问题也开始由模型来接手。程序员的角色从最初的工人变成了监工，未来甚至连监工的工作也可能被系统自动替代。

别被那些华丽的演示所迷惑，Codex的这个/goals功能，实际上并不是让AI变得更聪明，而是让AI像个自我循环的工地包工头，规划、执行、测试后再复查，直到任务完成，或者算力耗尽，或者人类忍无可忍叫停。看上去很自动化，但每一步都在消耗算力和金钱。

官方一方面说得轻松，什么目标必须具体到能判断是否完成，不要写“优化一下”这种废话，听着像是在教人怎么提需求，实际上是在把责任推给用户。意思很简单，不要用模糊的语言糊弄我，出了问题别怪模型，怪你自己没写清楚。这正是平台最喜欢的套路，把风险转化为使用门槛。

更有趣的是，这种“让AI自己给自己下任务”的玩法并不是凭空而来的，而是整个编程智能体行业朝着同一个方向发展。Anthropic、Cursor、Codex等公司陆续加入，都在做类似的事情，区别在于有些只允许一层授权，有些则完全放手让AI并行运作。表面上看似在拼产品，实际上是在争夺用户的决策权。

如果你能想明白这一点，就会发现这并不是在帮程序员省时间，反而是在重新定义谁才是“真正的劳动者”。以前是你写需求，AI写代码，现在你连需求都不需要写，AI先把需求翻译成可执行的动作，再切分成子任务，最后自己验收。就好比你去餐厅点菜，结果厨师、服务员、收银员全是机器人，而你只需要说“来个能吃的”。

听上去很不错，对吧？但实际上问题并不简单。代码的世界可不是流水线上的螺丝钉，需求本身经常模糊不清，业务逻辑也在不断变化。今天看似简单的bug，明天可能就会引发一连串的历史问题。AI虽然能减少一些重复工作，但很可能会把“看起来对”的东西当成“真的对”，最后产出一堆能运行但不符合业务逻辑的成果。

这就是问题的根本逻辑，所谓的“AI自己拆任务”，并不是模型突然变得聪明，而是上游将大量重复劳动标准化，模型才有机会假装自己很能干。别忘了，模型本质上仍然是个超级复读机，它的强大之处并不是创造新事物，而是将已有材料重新组合得像样。真正的脑力工作，还是得人来完成。

说到这里，我们得看看账本。18小时完成14个功能，只花4.2美元，这样的数据一出来，评论区立刻热闹了，很多人认为这是开发模式的革命，实际上更像是现场的烟花，表面亮丽，背后却有一整套看不见的成本：测试环境是谁建立的，基础代码是谁写的，需求又是谁定义的，失败的尝试又烧了多少token，这些都没算在内，才是真正的开销。

而且，token看似便宜，但一旦放开使用，真的是个烧钱的机器。Andrew Chen在做一个eGPU驱动项目时，14小时后还在推进，token的使用量直接暴涨了一万倍。这就像你平时用打火机点两下，看似不费力，真让你用火焰喷枪连续烧半天，油箱立马见底。AI智能体也是如此，运行时间越长，花费越是像水一样流失。

所以，你看企业并不是为了“解放程序员”才引入这些技术，资本的算盘其实很简单，几美元就能解决原本需要几个人、几天甚至几周的工作，谁能不心动？特别是在软件行业，老板更关注的不是“代码质量”，而是“人力成本下降”。只要机器能干60%的活，老板就敢裁掉30%的员工，剩下的10%拿去做demo。

这背后还有一个现实的商业动机，就是平台希望把开发者从“使用者”转变为“喂养者”。你越依赖它来自动拆分任务，它就越能掌握你的工作流、项目结构、代码风格和历史决策，这些都成为了它下一次生成的“燃料”。最终，它不仅卖你工具，还在卖你工作习惯，这比单纯卖个IDE要贵得多。

别再谈什么智能未来，谁掌握了任务定义，谁就掌握了生产节奏，谁控制了节奏，谁就能收取“租金”。这套把戏历史上并不新鲜，云服务商当年也是先说“帮你省运维”，然后把你绑进自家的生态，数据库、存储、监控、部署一条龙锁死，你想离开都难。而现在的AI智能体不过是把这套老办法换了个新外衣罢了。

如果你觉得这像是技术升级，那就太天真了。很多所谓的“自动化”，实际上只是将人工转移到更隐蔽的地方。过去程序员在IDE中手动敲代码，现在变成在提示框内雕刻需求。表面上少写了几行代码，实际上却增加了十倍的约束、验收、回滚和边界描述，最终还是得人为兜底。区别只在于，脏活从明面上转到了暗地里。

就像很多互联网公司当年宣传所谓的“零工经济”，实际上是把雇佣关系拆得支离破碎，风险丢给个人。而现在这波AI编程也是同样的道理，表面上看是智能体替你工作，实际上却是将你从执行层推向审查层。最累的不是编程，而是监督；最贵的不是产出，而是判断。一旦判断权被模型夺走，人类只能坐在那里点头。

再看看这些产品的宣传语，几乎都在暗示一个趋势，未来的开发不是“人写机器看”，而是“机器写机器看”，人只需给个方向。方向给完后，AI自动拆分、并行、汇总、复盘。听上去很像效率工具，实际上更像一个正在自我强化的工厂系统，今天帮你节省时间，明天就告诉你，其实你的这份工作也可以省掉。

这种把戏，科技圈早就玩腻了。乐视当年也是如此，PPT吹得飞起，生态、闭环、未来入口一套接一套，结果一旦现金流断裂，连讲故事的人都跑了。暴风影音也是一样，靠着早期的红利过日子，等商业模型撑不住时，崩得比谁都快。这些公司在倒下之前，都有一个共同特征，就是特别喜欢把短期的demo当作长期能力。

再往前看，2010年前后的云计算、移动互联网、O2O风口，同样的味道。先用一个概念让你觉得未来已经到来，再用一串看似漂亮的指标把你迷惑。最后真正赚钱的，不是台上讲故事的人，而是那些卖设备、卖芯片、卖带宽、卖云资源、卖流量的人。风口从来不属于普通用户，而是那些卖铲子的人。

现在的AI编程也逃不出这个规律，模型厂商赚的是算力，云服务商赚的是调用，工具厂商赚的是订阅，企业客户购买的是“可能会省人”，而真正承担不确定性的，仍然是一线开发者和被拿去做实验的项目。项目成功了，老板说这是AI的功劳；项目失败了，责任永远归于人没把提示写清楚。

还有一种更隐秘的情况，很多人可能没注意到，这种智能体系统特别容易让团队产生错觉，以为自己在大幅提高效率，实际上只是把试错成本转嫁给了模型和云账单。短期内看似人少了，长期看项目复杂度并没有降低，甚至因为多了一层模型中转，调试变得更加困难，责任变得模糊，谁都无法清楚到底是业务出错了，还是智能体理解错误了。

这和当年的自动驾驶特别相似，车企一开始就吹“辅助驾驶”，消费者一听兴奋，以为离无人驾驶不远了，结果一旦出事，责任边界一片混乱。AI编程也是如此，表面上是帮助你自动拆任务，真出问题时，谁来负责？模型不会签字，平台不会承担后果，最终还是开发者自己收拾残局。

所以，尽管现在大家对“AI自己写目标”感到热血沸腾，但过一段时间你会发现，这玩意儿最大的价值，不是让程序员彻底解放，而是让部分低端的重复劳动更快被取代，让那些懂得如何管理项目、验收结果、评估风险的人更值钱，而那些仅仅会照着工单敲键盘的人终究会被逼到墙角。

归根结底，这场看似炫酷的变革，真正改变的不是软件开发本身，而是软件开发里的权力分配。过去是人指挥机器，现在是机器帮助人做决定；再往后，人负责签字，机器负责流程。听起来像提升效率，实际上更像是一场缓慢而稳定的去人化，最先失去存在感的，往往不是那些高管，而是以为自己很专业，实际上只是机械执行的人。

因此，我一直认为，面对这些新闻，别急着喊颠覆，更不要立刻鼓掌。你得先问一句，这到底是为谁省了时间，谁放大了利润，又把谁的工作变成了可替代的标准件？答案往往并不美好，技术并没有那么高尚，商业也不会讲情怀。今天你觉得自己在使用AI，明天可能就会发现，是AI在重新定义你的价值。