redis 之父 antirez 最新博客文章：《don't fall into the anti-ai hype》（别被“反人工智能”的喧嚣所误导）
原文译文如下：
我痴迷于亲手构建软件，逐行敲下代码。可以说，我的整个职业生涯都在践行一种信念：持续打磨出精炼、优雅的程序，并将鲜明的“人为印记”视为其灵魂所在。我也始终希望社会不忘关照边缘与弱势群体。此外，我并不在意 AI 是否能在商业上盈利，也不抗拒现有经济结构的瓦解——坦白讲，倘若它能推动财富的大规模再分配，我反而会由衷欣慰。但若因我对技术与社会的理想化期待而模糊了对现实的认知，我将无法正视自己，也无法尊重自己的理性：事实就是事实——AI 正在不可逆地重塑编程的本质。
2020 年，我主动离职，计划创作一部融合人工智能、全民基本收入，以及一个为适应自动化浪潮而持续演进的社会图景的小说。到了 2024 年底，我又开通了一个 YouTube 频道，聚焦于 AI 技术本身、它在编程实践中的具体应用，及其可能引发的社会与经济震荡。尽管我早有预感变革终将到来，但最初仍以为，在编程范式被彻底改写之前，我们至少还拥有数年的缓冲期。如今，这个想法已不复存在。当前最先进的大语言模型（LLM），已能在极少人工介入的前提下，独立完成大型子模块或中等复杂度的完整项目，前提是你能清晰界定最终目标。实际效果取决于你所从事的编程领域（越边界明确、越易于文本化描述的任务，表现越佳；系统级编程尤其契合），也取决于你能否将问题在脑中精准建模，并高效传达给 LLM。
总体而言，对绝大多数开发任务来说，从头手写代码已不再是一种理性的优先选项——除非纯粹为了享受过程。
就在过去一周，我仅以间歇性提示与结果校验的方式进行引导，短短几小时内便完成了原本需耗时数周的四项工作：
1. 我为自用的 linenoise 库增加了 UTF-8 支持，并搭建了一套行编辑测试框架：该框架通过模拟终端，精确反馈每个字符单元格的实际渲染内容。这本是我长久以来的心愿，却始终难以说服自己为一个个人实验项目投入如此多精力。然而，一旦你能把构想清晰表达出来，并交由 AI 转化为可运行代码，一切就变得水到渠成。
2. 我修复了 Redis 测试套件中反复出现的偶发性失败（flaky tests）。这类问题极其棘手，常涉及微妙的时序竞争、TCP 层死锁等底层机制。我让 Claude Code 持续复现故障、监控进程状态、定位根源，并最终完成修复。
3. 昨天，我需要一个轻量纯 C 实现的推理库，用于运行类似 BERT 的嵌入模型。Claude Code 在五分钟内生成了全部代码，输出稳定可靠，性能仅比 PyTorch 实现慢约 15%。整套方案仅含 700 行 C 代码，外加一个用于转换 GTE-small 模型格式的 Python 工具脚本。
4. 过去几周，我重构了 Redis Streams 的内部逻辑，并撰写了一份详细的设计文档。我把这份文档直接交给 Claude Code，它仅用约 20 分钟（甚至更短）就复现了我的全部改动——主要瓶颈反而是我手动审核并批准执行命令的速度较慢。
面对眼前这场静默却迅猛的变革，几乎不可能视而不见。在大多数场景下，“亲手写代码”这一行为本身，已不再是核心价值所在。真正关键的能力在于：明确该做什么，以及如何去做；而在后一环节，LLM 同样是极为出色的协作者。至于某家 AI 创业公司能否盈利、股市是否会剧烈波动，从长远看都无关宏旨。某位独角兽 CEO 发表了怎样尖锐或荒诞的言论，也同样无足轻重。编程，已被永久性地改写了规则。
那么，如何看待那些曾由我亲手编写、如今又被 LLM 学习吸收的代码？我内心毫无失落，反而倍感欣慰——因为这正是我毕生追求的延续：让代码、系统与知识走向更广泛的民主化。LLM 将助力我们更快地交付更优质的软件，也让小型团队拥有了与科技巨头正面竞逐的底气。这种力量，恰如上世纪 90 年代开源运动掀起的那场革命。
然而，这项技术的重要性，决定了它不该被少数企业垄断。目前，在预训练与强化学习等关键环节，不同机构的确存在能力梯度；但开源模型——尤其是中国研发团队推出的先进模型——正持续逼近闭源实验室的顶尖水平，虽整体尚存细微差距，但追赶势头强劲。迄今为止，AI 的开放程度尚属可观，虽非尽善尽美。但这一态势能否长期维系，尚存巨大不确定性。我对日益加剧的中心化趋势深感忧虑。与此同时，我也坚信：大规模神经网络本身即蕴含惊人潜力，当前前沿 AI 成果背后，并无太多难以复制的“黑魔法”——否则便无法解释为何 OpenAI、Anthropic 与 Google 多年来在关键进展上始终高度趋同。
作为一名程序员，我此刻比以往任何时候都更渴望投身开源开发。我想重启那些因时间匮乏而长期搁置的仓库，想深度整合 AI 工具进入我的 Redis 开发流程，优化 Vector Sets 的实现细节，并像当前改进 Streams 那样，逐一打磨其他核心数据结构。
但我也真切担忧那些即将失去岗位的人。接下来的演变路径尚不明朗：企业究竟会选择扩编增产，还是依赖更擅长提示工程（Prompt Engineering）的少数工程师来压缩人力成本？而在更多非技术行业，人类劳动者或将面临彻底的可替代性——这令我深感不安。
那么，社会层面应如何应对？创新一旦发生，便无法倒带。我认为，我们应当投票支持那些真正理解这场变革本质、并切实致力于托底失业人群的政府力量。被裁撤者越多，政治压力就越强，公众也越可能转向支持提供基础保障的政策方向。同时，我也热切期待 AI 带来的光明面：它有望催生科学领域的突破性进展，从而缓解人类处境中那些长久以来难以消弭的苦难——而这些苦难，从来都不曾温柔。
回归编程本身。朋友，我只有一条建议。无论你对“何为正道”抱有何种坚定信念，都无法靠回避正在发生的现实来掌控未来。拒绝拥抱 AI，既无助于你个人成长，也无益于你的职业发展。请认真思考。以审慎之心去试用这些新工具，投入数周时间将其嵌入真实工作流中深度实践，而非仅用五分钟浅尝辄止——那样只会不断加固你原有的认知偏见。努力探索一种能放大自身能力的新方式；若初次尝试未达预期，不妨隔几个月再重新出发。
或许你会感慨：当年熬过多少夜、啃下多少书才学会编程，如今机器却替你包揽了这一切。但请回想那个深夜，当你终于看到第一行代码成功运行时，胸中燃起的那簇火焰是什么？那是创造本身的悸动。而今天，只要你找到与 AI 协同创造的有效路径，你就能造得更多、造得更好。那份纯粹的乐趣，从未消减，反而愈发丰盈。
源码地址：点击下载
