打开网易新闻 查看精彩图片

全球程序员每天打开Vim的次数超过500万次,但很少有人知道,这个工具的灵魂人物已经离开两年了。更讽刺的是,他留下的那套维护机制,正在把开源社区拖入一场关于AI的撕裂战。

2023年8月,Bram Moolenaar在荷兰家中去世,享年62岁。作为Vim的创造者,他写了30年代码,却从未把项目变成一门生意。他靠荷兰的福利制度生活,把用户捐赠全部转给乌干达儿童教育——一个名为ICCF的慈善项目,累计筹款超过200万欧元。

这种"反商业"气质贯穿了Vim的整个生命周期。当VS Code用免费策略吞噬市场时,Vim的回应是:继续用1991年的交互逻辑,继续要求用户背诵50个快捷键才能退出编辑器。它像一把没有刀柄的瑞士军刀,锋利,但握上去会流血。

肌肉记忆比爱情更持久

肌肉记忆比爱情更持久

一位用了15年Vim的开发者描述这种关系:"我不记得快捷键,我的手指记得。"这种嵌入身体的操作逻辑,被认知科学家称为"专家直觉"——大脑把复杂决策外包给小脑,意识只负责意图,执行交给自动化。

Bram本人就是这种现象的活体样本。他在1991年从Vi(Unix原生命令行编辑器)分叉出Vim时,没有重写架构,而是逐行优化。30年间,Vim的代码库从1.2万行膨胀到80万行,核心编辑逻辑却几乎没变。这不是保守,是一种偏执的稳定性承诺。

但承诺需要继承人。Bram去世前指定了4名核心维护者,都是与他共事多年的荷兰开发者。这个安排原本是为确保技术连续性,却意外制造了一个权力真空——当AI浪潮席卷编程工具时,Vim社区发现自己没有能拍板的人。

生成式AI撞上了命令行原教旨主义

生成式AI撞上了命令行原教旨主义

2024年,GitHub Copilot的代码补全准确率提升到46%,Cursor的AI重构功能让新手也能写出可运行的项目。Vim的回应是:插件生态里多了几个AI辅助工具,但核心团队拒绝任何原生集成。

这种态度在Reddit引发了一场内战。支持派认为,Vim的模态编辑(Modal Editing)与AI的"意图-生成"模式天然契合——你在Normal模式下达指令,AI在Insert模式填充内容,比VS Code的连续对话更高效。反对派则援引Bram的遗产:他生前最后一次公开演讲还在强调"编辑器应该让用户保持专注",而AI的侵入式提示正在摧毁这种专注。

争议在2024年11月达到顶峰。一名核心维护者在邮件列表提议"讨论AI集成的可能性",72小时内收到340封回复,其中23%包含人身攻击。最终提案被搁置,理由是"需要更多社区共识"——这是开源治理的经典死循环。

打开网易新闻 查看精彩图片

一个工具的命运,往往取决于它如何处理创始人的缺席。

Linux有Linus的暴脾气作为决策锚点,Python有Guido的"仁慈独裁者"遗产,但Vim的治理结构是Bram刻意设计的反独裁模型:四人平权,重大变更需一致同意。这种设计在稳定期是美德,在变革期是枷锁。

能源账单与乌干达儿童

能源账单与乌干达儿童

更具讽刺意味的是Bram的慈善遗产与AI时代的冲突。他毕生筹集的200万欧元,用于在乌干达Kibaale建学校、诊所和孤儿院。而训练一个GPT-4级别的模型,消耗的电力相当于300个美国家庭的年用电量,碳排放足以抵消Bram 20年环保生活的积累。

这不是抽象的道德算术。ICCF的年度报告显示,2024年乌干达项目的电力预算为1.2万欧元,用于覆盖12个教学点的太阳能设备维护。同期,OpenAI在肯尼亚的数据中心扩建,单月电费超过800万美元——后者所在的电网,60%依赖化石燃料。

Bram从未公开评论过AI。但熟悉他的人回忆,他在2019年的一次非正式聚会中提到:"好的工具应该让人更独立,而不是更依赖。"这句话没有被任何官方渠道记录,却在Vim的邮件列表里被反复引用,成为反AI派的圣典。

命令行会赢吗

命令行会赢吗

2025年第一季度的开发者工具调查显示,Vim的全球使用率从2018年的25%跌至11%,但用户留存率高达94%——意味着一旦学会,几乎不会放弃。这种"高门槛、高粘性"的模型,与AI工具的"低门槛、高流失"形成对照。

一个值得注意的信号是:Neovim(Vim的激进分支)在2024年推出了原生LSP(语言服务器协议)支持,允许更灵活的AI插件集成,其用户增速是Vim主分支的3倍。这暗示了技术演化的可能路径——不是取代,而是分叉。

Bram的葬礼在荷兰乌得勒支举行,距他创建Vim的办公室只有12公里。葬礼上没有技术演讲,只有ICCF项目的受益儿童录制的感谢视频。其中一位现在已是计算机专业的大学生,她说:"Moolenaar先生让我相信,写代码可以是一种善良。"

当AI编辑器试图用"自然语言编程"消灭学习曲线时,Vim的顽固或许是一种必要的矫正——它提醒行业,有些技能的价值恰恰在于获取难度。但问题是,在一个模型训练成本以千万美元计的时代,这种矫正还能被多少人听到?