AI coding depreciates and domain knowledge appreciates: Two HN explosive articles warn that rsync is broken by AI
AI coding capabilities have been devalued, and domain knowledge is the real moat. Two hot HN articles today (626 points + 285 points). One is a theoretical argument, and the other is an on-site proof that rsync was broken by AI, pointing to the same conclusion.
May 31, 2026 · 7 min read
核心结论
同一周，两篇截然不同的 HN 热文指向同一个结论：AI 时代最稀缺的能力不是写代码，而是懂业务。
前一篇（626 分）从理论层面论证，领域知识才是真正的护城河——AI Agent 破解了"懂业务的人不会写代码"这个旧难题，让领域专家能直接产出软件，程序员反而失去了他们最大的优势。后一篇（285 分）则是这个理论的残酷现场——rsync 维护者被迫在 issue 区发文"请不要用 AI 搞乱这个项目"，因为大量 AI 生成的 PR 和 issue 正在搞坏一个运行了几十年的核心工具。
关键要点
- 事件 1：Brendan Brethorst 发文《Domain Expertise Has Always Been the Real Moat》，626 HN 分、376 评论
- 事件 2：Rsync 项目维护者发 issue 标题"Please Do Not Vibe Fuck Up This Software"，285 HN 分、178 评论
- 共同信号：AI 降低了编码门槛，但提高了判断门槛——没有领域知识的人用 AI 写代码，要么输出平庸，要么制造灾难
背景与两篇文章
文章一：领域知识才是最后的护城河
Brendan Brethorst 的核心论点很简单：写软件的困难从来不是"写"这个动作，而是在脑子里建立对业务领域的准确模型。你要发工资系统，就得先理解代扣税、免税项、年终奖分摊这些概念——写代码反而是最后的步骤。
AI Agent 切断了两者的绑定关系。你现在可以不建业务模型就产出代码，但这打破了一个整个职业体系赖以运行的假设。
文章提出了一个锋利的两类人对比：
| 维度 | 领域专家（零编码背景） | 全能工程师（零领域背景） |
|---|---|---|
| 能做什么 | 看得懂业务逻辑对错，但写不出代码 | 能写出优雅代码，但分不清业务逻辑对错 |
| 以前怎么变强 | ❌ 无法通过自学编码入门 | ✅ 可以通过学习领域知识逐步成长 |
| 现在 AI 给谁赋能 | ✅ AI 帮他们绕过编码壁垒 | ❌ 编码优势被 AI 抹平 |
| 结论 | 变得更有价值 | 编码能力贬值，必须加领域知识 |
"Agentic tools collapsed one of the paths and not the other"——这是全篇最狠的一句话。程序员的传统优势路径（不会领域？去学）还在，但领域专家的劣势路径（不会写代码？无能为力）被 AI 完全填平了。
最终赢家是两条技能都有的人：既能验证 AI 代码的技术正确性，又能验证业务输出的真实准确性。
文章二：请不要用 AI 搞乱这个软件
Rsync 项目维护者 II-Paulus-II 在 issue 区发了一篇看似情绪化的标题，背后折射出的是开源项目正在面临的 AI 乱象：大量由 AI 生成的 PR、功能请求和 issue 涌入稳定项目，消耗维护者的时间。
GitHub 评论区迅速分化为两派：
- 支持方：认为 AI vibe coding 正在破坏稳定的开源项目，维护者有权利要求质量和门槛
- 反对方：认为维护者不该在 issue 区发这种态，应该 fork 或者接受社区的新方向
更有意思的是 HN 社区的评论——许多人指出这已经不是第一次了。主流开源项目（Redis、curl、FFmpeg 等）的维护者都在公开抱怨 AI 生成的 PR 质量问题。这本质上是"编码成本降低带来的外部性"：当任何人都能借助 AI 产出看起来合理的代码时，项目的维护成本不降反升。
两篇文章的互文关系
两篇文章完美互补：
| 维度 | 领域知识文（理论） | Rsync 事件（实践） |
|---|---|---|
| 核心主张 | 领域知识才是稀缺资源 | 没有领域知识的人用 AI 就是破坏 |
| 论述方式 | 逻辑推演+两类人对比 | 真人真事+GitHub 现场 |
| 目标受众 | 开发者/技术管理者 | 开源社区/AI 工具使用者 |
| 信服力来源 | 作者是资深工程师的观察 | 全球每天 3000 万下载的软件被搞坏 |
| 给出的答案 | 去增加领域知识 | 不要乱向项目发 AI 生成的 PR |
两篇合在一起，就形成了一个完整的叙事闭环：AI 降低了编码门槛，但提高了判断门槛。那些以为"会写代码 = 能贡献"的人，在实践中证明了维护者最厌恶的恰恰是既没有领域知识、又借助 AI 绕过了编码能力门槛的贡献者。
社区反应
HN 上关于"领域知识"的讨论中，最热的评论集中在"如何获得领域知识"这个实操问题上。不同于"学一个框架"（几周到几个月），获得一个行业深度的领域知识需要 2-5 年的沉浸体验。这让很多人开始反思自己的职业路径规划。
Rsync issue 的 HN 讨论则更加激烈。有人用"Vibe fork in Rust"讽刺 AI 开发者习惯性建议重写，也有人认真地指出：稳定的基础设施软件唯一需要的更新就是安全补丁，任何 AI 生成的"改进"都是风险大于收益。
对 AI Agent 用户的启示
这两篇文章放在一起，给了 AI Agent 用户三条非常实用的启示：
1. 不要用 AI 写你不懂的代码
Rsync 的 issue 是最好的反面教材。如果你不知道 rsync 的增量传输算法、不知道文件锁机制、不知道跨平台兼容性边界——AI 也不知道，它只是用 n-gram 概率生成看起来像代码的文字。
2. 编码能力贬值了，但业务理解增值了
领域知识文的建议很明确：花时间深入一个行业，成为"既懂业务又能用 AI 验证输出"的人。这意味着你不再是写代码的，而是判断 AI 写得对不对的人。
3. 用 AI 搞自动化时，加质量门
在 WayToClawEarn 里我们反复提过：AI 内容输出的最大问题是置信度。不管是写代码还是写文章，都要在输出环节加验证层。参看我们的AI 自动化质量门指南。
参考来源
- Domain Expertise Has Always Been the Real Moat (HN 626 pts)
- Please Do Not Vibe Fuck Up This Software (HN 285 pts)
- Rsync 项目 GitHub Issue #929
工具词条
本文涉及的 AI 工具：AI Agent、ChatGPT、Claude Code、n8n、OpenClaw
内链引导
- 想确保 AI 输出质量？看：AI 自动化质量门指南
- 想掌握 AI 编码 Agent 选型？看：AI 编程 Agent 技术选型指南
- 真实案例：安全研究员用 Claude Code 做漏洞挖掘月入 $10,000：查看案例
Topic hub
AI Coding Tools Hub (2026)
From Copilot pricing changes to Claude Code + DeepSeek cost-saving setups—one place to compare tools, read explainers, and follow tutorials.
Explore AI Coding Tools Hub (2026) →Monetization angle
How can you make money from this trend?
WayToClawEarn focuses on verified earn playbooks—not just news. Start from these cases.
AI code review & spec-driven agency
Offer migration consulting as Copilot pricing shifts
Claude Code 48h Micro SaaS
Validate products fast with a low-cost agent stack