看完最大的感受是：程序员的工作确实要变了，但还没到收拾工位、含泪告别键盘的程度。
Andrej Karpathy 曾这样描述 Vibe Coding：看结果、提要求、运行程序、复制粘贴，代码能跑就继续，出错了再把报错交给 AI。
他说，这已经不能算真正的编程了。
很多程序员听完可能会愣一下。
我们学了数据结构、操作系统、计算机网络，背过设计模式，修过凌晨两点的线上故障。结果未来的编程，竟然越来越像：
“这里不太对，再改改。”
“颜色浅一点。”
“刚才那个版本更好，退回去。”
很像甲方。
只不过这一次，程序员终于也有了自己的程序员。
一、AI 会写代码，程序员是不是没用了？
先说结论：不会。
但如果一个程序员的全部价值，就是按照别人写好的需求，一行一行把代码敲出来，那确实有点危险。
因为 AI 敲得更快，不喝咖啡，不参加周会，也不会在下午四点突然问：“这个需求为什么不早说？”
传统开发流程是：
想法 → 设计 → 写代码 → 测试 → 优化
现在逐渐变成：
想法 → 描述清楚 → AI 写代码 → 人来验证 → 继续修改
AI 接手了大量“怎么实现”的工作，但“做什么”“为什么做”“做成什么样才算对”，还得由人决定。
写代码的成本下降了，判断代码的成本反而上升了。
以前最怕代码报错。
现在发现，报错其实还挺善良。至少它明确告诉你：我不行。
AI 真正危险的时候，是代码不报错、页面能打开、按钮也能点，然后在你准备上线时，悄悄送上一份逻辑漏洞。
它甚至会很有礼貌地告诉你：“已完成优化。”
二、不会 Coding，Vibe 很容易变成“随缘”
Vibe Coding 最重要的两样东西，是 Vibe 的心态和 Coding 的能力。
Coding 是入场券，Vibe 是快速通道。
所谓 Vibe，不是对着 AI 说一句“帮我做个淘宝”，然后泡杯茶等它上市。
真正的 Vibe Coding，是不断看结果、提反馈、补充信息、修正方向。
AI 做出第一版，你要知道哪里不对；它改完第二版，你要判断有没有引入新问题；它信心满满地说“所有测试已通过”，你最好确认一下它到底运行了哪些测试。
不懂代码的人看到的是：“页面出来了！”
懂代码的人看到的是：
“登录状态为什么放在这里？”
“这个接口谁都能调用？”
“异常为什么被吃掉了？”
“这段代码一到月底是不是就要出事？”
AI 能帮你把房子迅速搭起来。
程序员的价值，是知道哪里不能少一根承重柱。
三、未来程序员最值钱的，不是手速
AI 时代，下面四种能力会越来越重要。
1. 把需求说清楚
“做一个登录功能”，这不是完整需求，只是一个愿望。
用邮箱还是手机号？
密码错几次要锁定？
登录状态保留多久？
能不能多设备登录？
用户注销之后，数据怎么办？
需求没说清楚，AI 就会自己补充。
而 AI 补充需求的方式，和开发者猜产品经理需求的方式差不多：有一定依据，主要靠勇气。
2. 判断代码靠不靠谱
AI 很像一个知识丰富、态度积极的新同事。
你让它做什么，它通常都会回答：“好的，我来处理。”
问题是，它不太会说：
“这个需求本身是不是有问题？”
“我们为什么要这么做？”
“这会不会把之前的功能弄坏？”
所以，人必须负责怀疑。
这听起来不太积极，但在软件工程里，适当怀疑是一种职业素养。
3. 把大问题拆成小问题
AI 擅长处理清晰、具体、有边界的任务。
“帮我做一个电商平台”太大。
“完成邮箱登录接口，并满足这六条验收标准”就合理得多。
任务拆得越清楚，AI 越像工程师；任务说得越模糊，AI 越像一个正在努力理解领导讲话的新人。
4. 出问题时知道从哪里查
功能坏了，不能只把报错贴给 AI，然后连续说七遍“还是不行”。
要看日志、查数据、缩小范围、复现问题，判断错误来自代码、配置、依赖还是需求本身。
AI 可以一次给出十种可能。
程序员的作用，是尽快排除其中九种。
四、别等 AI 干活，你要学会给 AI 排活
书里有一句话很真实：
同时开四个项目并行开发，是我大脑的极限，不是 Agent 的极限。
AI 可以同时写登录、订单、支付和测试。
问题是，等四个 Agent 一起回来，你可能已经忘了分别给它们安排了什么。
机器的并发能力很强，人的脑子却不是无限线程池。任务开得太多，不一定叫并行开发，也可能叫同时制造四个未读消息。
比较合理的做法是：
一个 Agent 做用户认证；
一个 Agent 做订单模块；
一个 Agent 补测试；
人负责接口边界、验收标准和最终合并。
AI 负责跑得快，人负责别跑散。
还有一个常见场景：把任务交给 AI 后，立刻掏出手机。
等 AI 两分钟后返回结果，人还要花五分钟回忆：
“我刚才在做什么？”
“为什么要改这个文件？”
“这个窗口里的 AI 又是谁？”
这就是人脑的上下文切换。电脑切换进程会保存现场，人切换到短视频以后，现场通常就不太完整了。
所以，AI 节省下来的时间，不一定要继续写代码，但最好留在同一个问题附近。可以看相关模块、准备测试数据、整理下一个任务，或者检查刚才的改动。
否则 AI 在提高生产力，你在重新加载记忆。
五、AI 越能写，Git 和测试越不能省
AI 写代码很快，改代码也很快。
快到什么程度？
你只是让它调整按钮颜色，它可能顺手重构了半个组件，并非常认真地解释：“为了提升可维护性。”
AI 见过很多高质量代码，所以有时会控制不住自己的重构热情。
这时候，版本管理就很重要。
以前 Git 是协作工具，现在还是人机协作时代的后悔药。
每次让 AI 完成一个明确的小任务，就检查一次、测试一次、提交一次。不要积攒到最后，面对几十个文件的修改，再问 AI：
“你都改了什么？”
它会回答得很完整。
但你未必敢信。
测试也一样重要。
AI 可以生成测试，但测试是否覆盖了真正的业务风险，还得由人判断。一个错误的功能配上一套错误的测试，也可能全部显示绿色。
绿色当然让人心情愉快，但它不一定代表世界和平。
六、程序员没有消失，只是换了位置
以前，程序员的大量时间花在亲自实现上。
未来，我们会把更多时间用在描述需求、拆分任务、判断质量、控制架构、设计验证和处理意外上。
程序员会越来越像一支 AI 开发团队的负责人。
架构 AI 负责设计方案，工程师 AI 负责编码，测试 AI 负责用例和巡检。人类在旁边负责目标、取舍和最终责任。
听起来像是升职了。
当然，出了问题大概率也是你负责。
未来也许真的会出现一种更适合 AI 的软件开发方式，甚至出现更适合大模型理解的编程语言。
但在此之前，最重要的新语言可能叫 Human。
它的语法包括需求、背景、约束、示例和反馈。
它没有编译器，歧义特别多，而且产品、研发和老板使用的还是不同方言。
程序员要做的，是把这些含糊的人类表达，翻译成机器可以执行、用户愿意使用、公司能够付钱的系统。
从这个角度看，程序员一直都不只是写代码的人。
Vibe Coding 不是闭着眼睛让 AI 自由发挥。
它是一种更高强度的人机协作：AI 负责快速实现，人负责提出正确的问题、提供足够的信息、判断结果是否可靠，并在方向不对时及时喊停。
代码生成会越来越便宜。
但理解问题、识别错误、设计系统和承担责任，仍然很贵。
这恰恰是程序员的优势。
AI 可以让代码跑起来。
程序员要负责的，是别让它跑错方向。
如果你也对 AI 编程感兴趣，我推荐读一读张听东的《Vibe Coding：AI 编程时代的认知重构》。
它不是一本教你背提示词的工具书，也不会承诺“学会三句话，AI 替你完成整个项目”。毕竟真有这种三句话，作者大概会先拿去创业，而不是写进书里。
这本书更有价值的地方，是把 Vibe Coding 放回真实的软件开发过程里：怎样描述需求，怎样拆分任务，怎样让多个 Agent 并行工作，怎样判断 AI 生成代码的质量，以及怎样处理上下文、测试、架构和版本管理。
换句话说，它不只教你“怎么让 AI 写代码”，还会提醒你“AI 写完以后，人应该干什么”。
我尤其推荐下面几类人读：
想用 AI 提高效率，却还停留在复制粘贴代码阶段的程序员；
已经在使用 AI 编程工具，但经常把项目越改越乱的人；
担心被 AI 替代，想知道自己接下来该补什么能力的开发者；
不直接写代码，但需要和技术团队、AI 开发工具合作的产品经理和创业者。
书里有些观点未必需要全部照搬，但它提供了一套很好的观察框架。读完以后，你会更清楚 Vibe Coding 不是一种偷懒技巧，而是一种新的开发协作方式。
AI 编程已经不是“要不要学”的问题，而是“准备怎样学”的问题。
与其等工具更新到看不懂，不如先把背后的方法弄明白。
所以，如果你最近正准备认真尝试 AI 编程，这本《Vibe Coding：AI 编程时代的认知重构》值得放进书单。它不保证让你一夜之间成为十倍工程师，但至少能让你少走几次“让 AI 改一个按钮，结果半个项目都变了”的弯路。
这笔投入，大概率比一次线上事故便宜。
热门跟贴