Gwen Davis认为，随着人工智能代理的使用不断扩大，开发者的价值将更多地从编写每一行代码转向指导工具、审查其输出以及作出技术决策。文章提出三项实践：管理代理、不接受第一个答案，以及将节省下来的时间投入到解决更广泛的问题中。
随着人工智能工具从辅助编写代码转向执行更多编程任务，开发者的工作正在发生变化。根据Gwen Davis的说法，仅仅编写代码已经不够；明确问题、提供适当背景、评估输出，以及在采用解决方案前解释技术权衡，正变得越来越重要。
1. 指导人工智能，而不仅仅是使用它
文章指出，在依赖人工智能的环境中，执行工作始于清晰定义任务，随后是分配任务和审查结果。例如，在添加身份验证流程的任务中，一个代理可以负责准备实现，另一个代理负责文档，第三个代理则准备测试集。
这并不意味着开发者可以免除对最终结果的责任。实际变化在于，开发者花在手动执行每个部分上的时间减少了，而花在明确需求、协调各代理的输出，以及决定哪些内容适合审查或发布上的时间增加了。Davis总结认为，学习指导人工智能代理已经成为一项独立的实践技能。
2. 不要未经审查就相信第一个答案
工具可能在几秒钟内生成看似令人信服的解决方案，但其中可能包含无法通过快速阅读发现的缺陷。文章以一个返回每位客户最新订单的SQL查询为例：解决方案可能忽略对时间戳相同情况的处理，或者没有提出合适的索引，又或者在大型表上的性能会恶化。
Davis建议使用第二个模型来批评第一个模型的工作，然后对两者的回答运用工程判断。她指出，不同模型的优势和盲点各不相同，并提到集成在GitHub Copilot中的Rubber Duck代理使用第二个模型来批评计划、代码和测试。不过，人工审查仍然不可或缺；重点不是取代人的判断，而是在继续推进之前增加一个批判性视角。
3. 利用节省下来的时间解决更大的问题
当人工智能承担更多执行工作后，开发者可以将可用时间投入到了解客户需求、评估架构权衡、设计系统，以及作出工具无法代替自己作出的决策上。
以添加暗色模式为例，人工智能可以执行修改、生成测试并更新文档。而开发者的清单则包括核实客户面临的问题、审查架构权衡、检查可访问性、确定成功指标，以及批准解决方案。
实际会发生什么变化？
核心信息并不是编程技能失去了价值，而是责任范围正在扩大。开发者仍然要对结果质量负责，但需要将指导工具的能力、发现工具错误的能力，以及将执行与项目真正目标联系起来的能力结合起来。文章提供了一般性的实践指导，但没有规定衡量这些实践影响的指标，也没有明确应当向代理委派的任务范围；因此，应用决策仍取决于项目性质和风险程度。