Kotlin"J神"两小时争议访谈：我宁愿失去80%的工作机会，也坚决不用 AI 编程

"J神"的九项择业标准与反 AI 立场

Jake Wharton 被国内开发者称为"J 神"，是 Android 与 Kotlin 领域最具影响力的开源贡献者之一。他在寻找新工作时公开列出了九项择业标准，第一条就是：

按他的估算，这一条直接排除了约 80% 的潜在雇主。

1. 软件质量没有提高

Wharton 不认为过去几年软件整体质量得到了提高，也不认为 AI 工具长期会改善软件质量。一些公司高管看到的是"AI 让工程师工作更快、代码质量更高"，他的判断恰恰相反。

2. 版权与伦理问题

他认为大语言模型建立在大规模使用受版权保护内容的基础上，训练过程忽视了艺术家版权和开源代码许可证。"能在网上访问一项内容，并不意味着你就拥有重新组合、改写它，甚至逐字输出它的权利。"

3. 管理层绕过工程判断

这是他最尖锐的批评。传统上，开发工具由工程师自下而上推动——工程师发现新语言/IDE/构建系统有价值，热情感染团队，再说服管理层批准采用。但 AI 工具的推广方向完全相反：由 CEO 告诉工程师日常应该使用什么工具。

"如果 Jack Dorsey 当时要求我必须使用 Eclipse，我可能同样会辞职。问题不只在于 AI，而在于公司管理层越过工程判断，强制开发者使用某一种工具。"

4. 议价权与依赖风险

他从未使用过 AI Agent 写代码。最不负责任的用法是让 AI 生成超出使用者能力范围的代码——如果没有大模型就无法完成任务，开发者往往也无法真正理解、验证和维护结果。一旦形成依赖，工程师交出去的不只是部分工作，还包括自己的能力和议价权，最终变成更容易被低成本替换的齿轮。

Wharton 认为当前大语言模型行业很大程度上仍由资本补贴：先用低价吸引市场，让企业形成依赖，再转向按实际价值收费。届时 AI 成本可能增长一个甚至两个数量级。如果使用 AI 的成本最终超过原本想要替代的工程师薪酬，"用 AI 替代工程师"的经济账也会失效。

Cash App 在他离职后裁掉了 70% 的工程师，设想是通过 AI 让一名工程师承担过去四个人的工作。他认为这种模式短期可能有效，但长期会导致软件质量下降。

Wharton 在 Google 工作了两年九个月，是 Google Kotlin 团队的第一位工程师。他加入时就对同事说自己大概会离开办公室两年，目标是帮助 Kotlin 成为 Android 一等语言。

他离开 Google 的原因不是 Android 团队（他至今怀念那段工作），而是对 Google 这家公司运作方式的意见：Google 通过产品和服务将用户锁定在自有生态系统中。公司规模扩大后，官僚主义增加、产品迭代放缓、管理层急于寻找新用户和收入。

相比之下，他更愿意留在目标明确的小团队。他最终加入了 Skylight——一家面向家庭的硬件公司，符合他的多项价值观：开源、小而专注、他自己就是目标用户、不通过 Google Play 分发。

Kotlin 出现时，Java 语言发展正处于停滞期（Oracle 接手、版本周期长达两年）。Kotlin 的关键优势是渐进式兼容——开发者可以在不推翻现有 Java 代码的情况下逐步引入 Kotlin。

"这反而体现了 Kotlin 的成功：它已经成为一项默认要求，而不再是一种稀缺、难以找到的能力。"

如果掌握 Kotlin Multiplatform 等进阶能力，仍可能构成差异化优势。但仅仅"会 Kotlin"已经很难成为明显职业加分项。

Java 没有停滞。它将发布周期缩短到六个月，通过 Record、密封类等现代特性追赶。Wharton 承认，Java 近年来的一些新特性设计得可能比 Kotlin 对应方案更完整——因为 Java 可以同时调整语言、字节码和虚拟机，而 Kotlin 受限于既有 JVM 字节码表示。

Kotlin 仍难被取代的优势：可空性类型系统。 "十亿美元错误"不是程序中不应该存在空值，而是 Java 没有在类型系统中充分描述它。Kotlin 把可空性提升到类型系统层面，几乎消除了一整类空指针错误。

Wharton 认为 Swift 语言设计本身可能比 Kotlin 更好——错误处理是一等概念（函数签名标记可能抛出的错误），内存表示更紧凑（面向原生代码）。但 Kotlin 的优势在语言之外：库生态、开源社区、IntelliJ IDEA 工具、构建系统都更成熟，大型代码库重构体验更好。

"Rust 的许多设计非常符合我的思维方式：资源所有权和借用关系应该进入类型系统。"

Rust 把过去容易被忽略的问题（内存泄漏、文件描述符泄漏、空指针、未预期异常）直接纳入语言和类型系统。学习门槛高，但在描述所有权、资源责任和失败模式方面做得最好。

他透露有一份"梦想项目"清单：尝试把所有权语义引入 Kotlin。KotlinConf 上已有研究者提出早期设想。

AI 能生成代码，开源库还有价值吗？

Wharton 认为这种说法低估了共享代码库的长期价值。开源库的意义不只是生成一段眼前可用的代码，而是让许多项目共同受益于持续维护——有人今天修了一个你暂时不会遇到的 Bug，两年后你的业务重构时它已经被提前解决。AI 生成的是彼此孤立的实现，开源则把一次贡献分发到许多不同代码库。

这篇文章的价值不在于 Wharton 的结论是否正确，而在于他提出了几个被行业刻意回避的硬问题：

AI 成本拐点谁在算？ 当前 AI 工具低价是资本补贴的获客阶段。如果 Cash App 裁掉 70% 工程师后，AI 成本涨 10-20 倍，经济账直接崩盘。这个问题没有任何公司在认真回答。
管理层强制 vs 工程师自选这个区分很精准。历史上帝国主义工具推广（强制 Eclipse、强制框架）都失败了，AI 能否成为例外取决于它是否真的让一线工程师更高效，而不只是让管理层觉得更高效。
"生成超出能力范围的代码"是真正的风险。与 Thariq 在前一篇访谈中说的"100 倍测试代码"形成对照——Anthropic 的解法是用验证 Harness 兜底，Wharton 的解法是不用。两者本质上是同一问题的两种工程哲学：扩大能力边界 vs 保守在自己理解的范围内。
**Kotlin 已从"优势"变成"默认要求"**这个判断对前端工程师也有启发——任何技术红利都有从"稀缺"到"普及"的周期，真正的差异化在持续向前沿延伸（如 Kotlin Multiplatform 对应的跨端能力）。