如果让我重来，2026 年我会先学什么

先说一句大实话

我从 2002 年开始写代码。Turbo C、Java、C#、Delphi、Python、JavaScript、C++——一路写过来。做过推荐系统、电商平台、移动应用、云基础设施。开过公司，带过 30 人团队。

我说这些不是为了炫耀，而是想让你明白：当我说我也不确定正确答案是什么的时候，我不是谦虚。我是真的不确定。没有人确定。我们都在实时摸索。

但二十年的经验能给我的是模式识别。我见过技术浪潮来了又去，见过哪些技能经得起时间考验，哪些半年就过期。

基于这些，如果今天让我从零开始，我会关注这几件事。

听起来有点反直觉——AI 时代还要学读代码？

对，而且比以前更重要。

当 AI 帮你写代码的时候，你的工作从"写"变成了"审、懂、调"。瓶颈不再是产出速度，而是理解能力。AI 生成了 500 行代码，你能不能一眼看出那个隐藏的 bug？能不能理解它做的架构决策会在三个月后埋什么坑？

我见过太多人把 AI 生成的代码直接用上去，能跑就行。确实能跑——直到凌晨两点生产环境炸了，你需要真的搞懂那坨代码到底在干嘛。

读代码这个能力一直被低估。现在，它可能是我们手里最值钱的技能之一。

我 vibe coding 效果最好的时候，不是提示词写得最花哨的时候，而是我对想要什么有最清晰的心智模型的时候。

二十年的系统经验让我能说出："我需要一个发布-订阅架构，至少投递一次，失败消息走死信队列。" AI 能根据这个描述把东西造出来。但如果你只能说"让消息能用起来"，那就抓瞎了。

讽刺的是：那些号称被 AI 淘汰的深层技术知识，恰恰是让你高效使用 AI 的关键。你得懂系统怎么运作，才能告诉 AI 怎么去建。

所以要学系统。不只是框架——是底层概念。数据库怎么存和取数据，网络怎么处理故障，分布式系统怎么保持一致性。这些知识的复利效应，远超任何特定框架的技能。

AI 最擅长的是中间层。标准的增删改查、常见的表单、典型的 API 模式——AI 分分钟搞定。这种活的供给现在基本上是无限的。

AI 还搞不太定的：

系统跟现实世界交汇的脏活。 有十七种边界情况的支付处理。每个省市法规都不一样的合规数据。文档写错了、实际行为让人想骂人的遗留系统对接。

高并发下的性能调优。 AI 写的代码能跑。在每秒一万请求、p99 延迟 50ms 以下的要求下能跑，是另一回事。

需要理解业务而不只是技术的部分。 为什么这个流程多了一步看起来很蠢的操作？因为三个地方的监管要求。AI 不知道这些，除非有人告诉它。

往复杂走，别往简单走。简单的东西被自动化的速度最快。

不是又一个 todo app 教程。是真的有人用、处理真实数据、会以你意想不到的方式崩溃的东西。

"会用 AI 生成代码"和"能把一个系统上线并维护住"之间的鸿沟是巨大的。部署、监控、处理线上问题、应对用户反馈、在速度和可靠性之间做取舍——这些都是教程教不了的。

我周末一直在做开源工具。主要不是为了赚钱——是为了活下去的感觉。当你的东西半夜挂了，你学得比什么时候都快。

最糟糕的建议是"提升技能就好了"。这是把一个行业结构性变革当成了个人成长问题。有些事情超出了个人能控制的范围。市场会吸收更少的程序员。这不是技能问题——是数学问题。

但在剩下的空间里，仍然有有意义的、有挑战的、回报不错的工作。关键是让自己处在那个空间里。

我没有保证说一定行。我跟你一样在摸索。但二十年看行业变化下来，我知道一件事：那些想清楚了再动、而不是恐慌之下乱动的人，往往最后还行。

如果有人问我"2026 年该学什么"，我的诚实回答是：学会在那些难以被自动化的地方变得真正有用，然后待在正在造东西的人身边。

这不是一份路线图。这是一个方向。但在一个变化这么快的地形里，方向可能比地图更有用。