读 DeepSeek 工程师长文，把才华埋葬在昨天之后，如何做一个机甲驾驶员
从 DeepSeek 工程师刘胜与的文章出发，聊手写算子、AI Agent 和开发者接下来的工程判断力。
本页内容
9 月 14 日，DeepSeek 机器学习系统工程师刘胜与发了一篇长文，题目叫《我不得不把才华埋葬在昨天》。它很快被读成一份关于程序员会不会失业的预言。但在后来的补充说明里，他把重点说得更清楚了，他真正想告别的，是亲手写算子、调算子、优化算子的那段时光。这个区别挺重要，很多真正值得聊的东西，都藏在这里。
真正刺痛人的地方，不只是失业焦虑
这件事最容易被讲成一个很抓眼球的故事，DeepSeek 工程师亲手写了 V4.1 的主 Attention 算子，然后判断半年到一年之后，AI 写出的算子可能就会追上自己，甚至超过自己。听起来像是一个顶尖工程师亲口宣布，自己的职业要结束了。
这个说法不能算错，但还是太窄了。刘胜与在补充说明里说，原文更想做的事情，是和过去手写算子的时光说再见。失去的不是一份饭碗这么简单，还有一种静下心来组织模块、抠变量命名、看着性能一点点上去的快乐。
所以这篇文章才会让很多不写 GPU 算子的人也有感觉。每个开发者大概都有自己的手工活，可能是一段 React 组件、一条 SQL、一份部署脚本，或者一个自己反复打磨过的 API。我们担心的从来不只是工具能不能完成任务，还担心它会不会顺手把我们喜欢的那部分也拿走。
本节来源：虎嗅：刘胜与对文章的补充说明 · 电子工程专辑：刘胜与文章解读
手写算子像手工织毛衣，消失的是技术和节拍
算子看起来只是一个小小的计算单元，但围着它做的事情一点都不小。你要看硬件、想内存移动、查指令停顿、比较调度方案，再把那些还不够好的地方一点点削掉。最后留下来的代码可能很短，背后的判断却是多年积累出来的。
公开解读提到，V4.1 的主 Attention 算子由刘胜与亲自编写，原文脚注还把这个说法限定为 head dim 为 512 的 MQA attention 路径。这个细节挺重要，它让故事重新落回技术，而不是把一项具体贡献扩大成关于整个模型的模糊神话。
他用手工织毛衣来比喻这件事，我觉得很准。机器当然可以织得更快，质量也可能一样好，但它没法还给手艺人那个坐在窗边，慢慢织一下午的节拍。真正难受的问题，不是机器有没有用，而是效率越来越高之后，旧的专注方式还剩多少位置。
本节来源：Reddit：刘胜与文章转录 · 电子工程专辑：刘胜与文章解读
机甲驾驶员，不是一个更会按 Tab 的人
机甲驾驶员这个比喻听起来很酷，真正坐进去之后，工作反而更麻烦了。驾驶员不是把每个齿轮都亲手拧一遍，而是要决定机甲往哪里走，哪些地方可以碰，仪表盘上的信号怎么看，以及什么时候应该立刻停机。
现在的 Claude Code、Codex、Cursor、Windsurf，都可以读仓库、改文件、跑命令、返回补丁。DSH 这样的 Harness，则是在把这条循环变得更稳定。人的工作确实往上移了，但没有消失。谁来定义边界，谁来判断证据够不够，谁来发现一个局部漂亮的补丁正在破坏旁边的系统，这些问题仍然需要人扛住。
| 工作阶段 | Agent 可以加速什么 | 人仍然要负责什么 |
|---|---|---|
| 探索 | 读文档、画文件关系、生成候选方案 | 问题、约束和成功标准 |
| 实现 | 写代码、命令、测试和重复性修改 | 接口、数据假设和允许修改的范围 |
| 验收 | 运行检查、对比输出、寻找可能的失败点 | 证据是否足够支持接受这次修改 |
| 发布 | 准备说明、迁移步骤和可回滚方案 | 凭证、审批、回滚和生产风险 |
AI 也会把工程能力的差距一起放大
文章里最实用的提醒，不是 AI 写出来的代码偶尔会有 Bug，这件事谁都知道。更麻烦的是，一个工程习惯很差的人，现在可以用更低的成本、更快的速度写出更多代码，然后把没有补上的判断扩散到更大的系统里。
刘胜与担心学生用 AI 完成实践课和 Lab，却没有学会组织代码、构建系统、为未来需求提前设计，以及理解从软件到系统再到硬件的整条链路。生产仓库里同样如此。一段函数可能写得很漂亮，权限边界却是坏的，数据流却不可测试，部署却没有回滚路径。
这块需要慢一点读。未来稀缺的能力不是敲字速度，而是在 Agent 开始干活之前，看见任务四周那圈边界。
- 先让 Agent 给计划和涉及的文件，再让它写大补丁。
- 让 Agent 明确说出假设、未知点和可能的失败方式。
- 运行仓库真实测试，检查 diff，不要只接受一段听起来很自信的总结。
- 把改动控制在可以回滚的大小，局部正确但全局错误时还能停下来。
本节来源：Reddit：刘胜与文章转录 · 虎嗅：刘胜与对文章的补充说明
那我们该怎么坐稳这个驾驶舱
我不觉得答案是停止写代码，也不觉得答案是把所有判断都交给 Agent。更有用的中间位置，其实更难一点，你要保留足够的技术深度去质疑机器，同时用机器探索一个人手写时根本来不及尝试的更多方案。
这会改变练习方式。读生成的补丁，复现失败，补上 Agent 正在碰的那个子系统知识，在提示词变成一大堆愿望之前先写好验收条件。前几个任务可能反而慢一点，但仓库一旦复杂起来，这些习惯会把时间省回来。
| 开始前 | 执行中 | 结束后 |
|---|---|---|
| 写清边界、验收条件和回滚条件 | 只给 Agent 必要的上下文和权限 | 跑测试、看 diff、记录仍然不确定的地方 |
| 选择最小的有效任务单元 | 同一个失败重复出现时停止，不要只加提示词 | 安全和生产变更保留人工决定 |
把昨天埋好，不等于把昨天丢掉
补充说明让这篇文章没有滑向一份简单的替代宣言。刘胜与说，他还会继续写算子，同时不断把 AI Agent 引入这件事里。旧的手艺并不是突然没有价值了，它可能变成判断力的来源、品味的参照，也可能从生产路径变成一种练习和娱乐。
这大概就是我理解的机甲驾驶员。不是忘了齿轮怎么转，也不是对着齿轮顶礼膜拜，而是足够了解机器，所以愿意对它要去的方向负责。
昨天的节拍当然值得记住。明天的驾驶舱里，也还是需要有人听得出来发动机的声音不对。
最近的工作里，哪一部分最先被 AI Agent 接管了？又有哪一部分，你暂时还不愿意交出去？
本节来源：虎嗅：刘胜与对文章的补充说明