关于 Vibe Coding 的一些思考
算法不会替你思考，它只是让你思考得更快。
AI 补足能力，但不能凭空生成
AI 最适合的场景：你有想法、有方向，但在某个具体环节上能力欠缺——不熟悉某个库的 API、写不出某段样式、记不清某个语法细节。这时候 AI 可以补上来，把你从查文档的碎片化工作中解放出来。
但它没办法从零生成一个你自己都没有想清楚的东西。如果你不知道自己要做什么，AI 给不出答案；它能给的是“当你已经知道要去哪里，帮你把路铺平”。
放大能力，但不能超越知识边界
AI 的训练数据决定了它的能力上限。它读过大量开源代码、技术文档、常见问题的解法——这意味着对于“已经有人解决过的问题”，它可以给出相当好的答案。
但超出这个范围的事情，它做不到。一个需要全新领域知识的冷门问题、一个没有公开案例的架构决策、一个需要结合特定业务上下文的设计——在这些场景下，AI 不会比一个没读过相关资料的开发者更强。不知道的，它还是不知道。
AI 能放大你的能力，但不能凭空创造能力。这是本质区别。
有案例的工程：AI 的舒适区
对于已经有大量工程实践的问题——搭建 CRUD、配置 CI/CD、写单元测试、做性能优化——AI 完全可以给出高质量的建议。因为这些问题的模式已经被反复验证过，训练数据里有充足的样本。
但创造性任务需要以人为主。产品定义、架构取舍、技术选型的权衡、什么时候该重构什么时候该凑合——这些没有标准答案的问题，AI 只能提供参考，决策权在人。
Vibe Coding 的本质：人机协作
不同水平的模型带来不同的协作体验：
- 聪明的模型：理解上下文能力强，能处理模糊需求，给出的代码质量高，需要人工介入的点少。开发者可以更多关注架构和逻辑，少操心实现细节。
- 较差的模型：需要频繁纠正、反复提示、仔细 review 每一段输出。但即便如此，它仍然比纯手写高效——至少打字的工作被分担了。
两者的共同点是：都比纯人工推进代码快。差异只在于“人需要介入多少”。
这不是 AI 取代程序员，而是程序员的工作方式在进化。
未来程序员的核心能力
Vibe Coding 对能力的要求正在发生转移：
需要加强的：
- 软件工程：架构设计、模块划分、接口定义——这些 AI 做不好，需要人来把控
- 算法与底层原理：理解计算机的运行机制，才能判断 AI 给出的方案是否高效、是否可靠
- 测试意识：AI 写代码很快，但你需要能验证它写对了。测试能力从“加分项”变成“必备项”
- 产品思维：知道做什么比知道怎么做更重要。产品敏感度是 AI 无法替代的
- 工程哲学：什么时候该追求完美，什么时候该快速出货——这种判断力来自经验，不是来自 prompt
需要退化的：
- 具体语言的语法细节：看得懂、能 debug 即可，不需要死记硬背
- 模板化的实现代码：CRUD、配置、重复劳动——交给 AI
- 造轮子：标准库和成熟方案能解决的问题，不需要自己从头写
总结：未来程序员 = 懂编程的复合型人才。
不是会写代码的人，而是能用代码解决问题的人。语法是最表层的东西，底层的工程思维、算法素养、产品判断力才是真正的护城河。
我的方法论
一段时间实践下来，几个经验：
- 先想清楚再问 AI。 越模糊的需求，AI 的输出越烂。花时间把问题定义清楚，回报远大于花时间改 AI 的代码。
- 分段协作。 不要把整个项目丢给 AI。拆成模块，每个模块给出清晰的上下文和约束，逐个击破。
- 永远 review。 AI 写的每行代码都要看。不是因为 AI 不靠谱，而是因为你要对最终产品负责。
- 把 AI 当工具，不是当队友。 工具不需要理解你的业务，它只需要执行。你在驾驶，它在导航——导航错了可以重算，但方向盘始终在你手里。