企业官网建设流程全解析

你让 Claude 写个 Python 脚本，它能干。你让它自己搞一个完整的项目——调研、设计、写代码、测试、部署——DeerFlow 2.0 今天刚刚证明它能自己跑完。

字节跳动开源的 DeerFlow，74K⭐，是一个 long-horizon SuperAgent 框架。今天我用它跑了一个任务，30 分钟后回来，它全部干完了。

不是未来的事情。今天就发生了。

我从今天写的那篇 DeerFlow 博文里想到了什么

今天下午写 DeerFlow 博文的时候，边写边用自己的 API Key 跑了一个任务。

任务不算复杂：让 DeerFlow 研究 Anthropic 刚发布的 Claude Tag，写一份竞品分析报告，给出决策建议。预期 30 分钟。

30 分钟后回来，报告已经躺在输出里了。它自己去搜了 Claude Tag 的 TechCrunch 报道、对比了 Microsoft Copilot 在 Teams 里的定位、分析了和有 Slack + MCP 的差异——甚至还自己做了个表格。

我当时有点恍惚。

不是因为它写得好——内容深度一般，真要拿去用需要人工润色。而是因为它真的能自己从头跑到尾，中间不用我管。

去年这个时候，AI 写代码还要人盯着，跑几步就问一次。今天，它已经能自己做调研出报告了。

初级开发者的困境不是"学不学"，而是"学什么"

“AI 要替代程序员了”——这个说法我经常看到。但我反问一句：替代哪个阶段的程序员？

AI 目前长在执行上，短在决策上。它能编译、能调试、能查文档、能写样板代码——这些都是初级开发者的日常工作。而高级开发者在做什么？在决定"要不要做这个功能"、“怎么做才不改烂架构”、“这个方案未来三年的演进路径”。

现状是：

• AI 能代劳的事：写 CRUD、调 API、拼组件、写测试、修 lint 错误
• AI 还不擅长的事：做技术选型决策、理解业务上下文、判断什么时候该重构、判断什么功能不该做

初级开发者的工作，刚好落在"AI 能代劳"这个区间。

那还学不学写代码？学，但不是为了打工

今天用 DeerFlow 的时候我想到一件事：如果我想做成某个事，DeerFlow 帮我把执行部分都干了，我只需要想清楚要做什么、设计好方案——那我学的应该是系统设计、产品思维、技术判断力。

不要再学怎么干活，而是学怎么决定干什么活。

具体来说：

• 系统设计能力— 比 LeetCode 值钱 100 倍。AI 能写代码，但它设计不出能扛住千万流量的架构
• 业务理解能力— 你不需要比 AI 更会写代码，但你需要比 AI 更懂你的业务场景。我看过太多人和 AI 聊了半小时，结果 AI 写了完全不符合业务逻辑的代码——因为提问的人自己也没想清楚业务
• 技术判断力— 什么方案能简单就不复杂，什么功能三年后还得重构。AI 不会告诉你"这个功能不应该做"，但真正值钱的决定往往是"不做什么"
• 沟通与协作— AI 写代码不卡壳，但人和人扯皮它是真搞不定。能说清楚需求、能推动项目、能管理预期——这些能力在 AI 时代反而更值钱了

这些能力，AI 短期搞不定。长期搞定了也不需要程序员了——那时你要担心的不只是岗位，而是你还算程序员吗。

结尾

用 AI 干活越多，我越觉得"学历编程"这件事本身在贬值。剩下值钱的是你的判断力、创造力和对真实问题的理解。

DeerFlow 跑几小时不出错，但它不会问自己"我为什么要跑这个"。

你会。这就是你比它强的地方。

今天体验了字节的开源框架 DeerFlow，有感而发。不是唱衰初级开发者，是唱衰只会干活不会思考的劳动者结构。