他是怎么做到的休·威廉姆斯Hugh Williams在谷歌做了多年工程负责人对信息检索IR系统有深厚的领域积累。他打开 Claude Code一行代码都没亲手敲几天后跑出来一个能索引 150 万条维基百科条目的搜索引擎 Zettair——自动补全、搜索摘要、相关推荐、热门话题、AI 生成的内容总结现代搜索引擎该有的它都有。但真正的关键不是AI 写了一个搜索引擎而是他是怎么指导 AI 的确定系统架构检索管道、索引结构、查询解析用自然语言描述每个模块的输入输出和约束条件Claude Code 生成代码他审阅、纠正、调整方向遇到性能瓶颈时他告诉 AI 该在什么地方用什么数据结构优化威廉姆斯自己的原话更值得玩味用 AI 编程不是写代码而是当导演。经验丰富的工程师永远是最好的导演。为什么这跟你想的AI 写代码不一样大多数人对 AI 编程的理解停留在给个 promptAI 吐出一段能跑的代码。威廉姆斯的实验恰恰展现了另一种范式——领域专家 AI 执行。这里有两个层次第一层表面上的0 行代码是标题党。他写了大量的自然语言指令、架构约束、纠错反馈——这些本质上就是代码只是表达媒介变了。一个不懂信息检索原理的人不可能写出请用 BM25 算法构建倒排索引并在查询时实现两阶段重排序这种 prompt。第二层AI 降低了实现成本但没有降低设计成本。搜索引擎的真正难点从来不是代码量。倒排索引、TF-IDF、BM25、PageRank——这些算法几十年前就研究透了。难点在于知道在什么场景下用哪个、怎么组合、如何权衡精度和性能。这些know-why是 AI 目前没法替代的。换个角度想想威廉姆斯说工程师是最好的导演——换成更直白的说法AI 让你从搬砖工升级成工头但你得先知道房子该怎么盖。如果你连一个系统的基本架构都画不出来AI 也帮不了你。反过来如果你能在脑子里跑通整个数据流AI 可以帮你把实现效率提升 10 倍。同样的道理也适用于写技术文章。过去两年我看到太多AI 一键生成的内容被各平台秒拒——不是 AI 写得差而是它写出来的东西没有踩过坑的味道。真正能过审的文章不管有没有借助工具核心永远是作者自己经历过的事情、踩过的坑、形成的判断。这不是什么平台偏好而是读者用脚投票的结果谁愿意看一篇作者自己都没想清楚的东西这对普通开发者意味着什么如果你正在焦虑 AI 会不会让你失业威廉姆斯的实验提供了一个更务实的视角短期1-2 年AI 编程工具会大量吃掉 CRUD 和样板代码。如果你的日常工作主要是调 API、写表单、搬数据——确实需要警惕。中期2-5 年系统设计、架构决策、性能调优、安全审计——这些需求不会消失但工具会让一个人能干以前一个团队的活。结果不是程序员消失而是每家公司需要的程序员变少同时对留下来的那个人要求变高。长期能和 AI 高效协作的工程师会成为超级个体。威廉姆斯一个人在几天内搞定了一个搜索引擎——放在 10 年前这需要一个团队。未来最稀缺的能力不是会写代码而是知道该写什么。威廉姆斯的搜索引擎叫 Zettair。如果你感兴趣他在技术博客里详细记录了整个开发过程。值得一读的不是代码而是他跟 Claude Code 之间的对话记录——那才是这个实验真正的精华。总之AI 不会替代程序员但会用 AI 的程序员会替代不会用的。而且前提是——你得先是一个好程序员。