作为一名软件工程师，现在我的每一行代码都是 AI 写的：聊聊 Vibe Coding
作为一名有6年多工作经验的软件工程师，我已经一年多没有手写一行代码了。我现在的项目，每一行代码都是 AI 写的。但一年多以前第一次用 AI 写代码时，我只爽了不到三天。
Vibe Coding 是幸福的
还记得去年（2025）六月份，第一次慕名打开 Cursor，这是一个初看和经典代码编辑器 VS Code 差不多的应用，只是多了一个与 AI 交互的侧边栏。
在那之前我对 AI Coding 的印象，还停留在 Copilot 的高级自动补全。然而当我敲下第一条指令，点击发送给 AI，神奇的事情发生了。我看到 AI 在疯狂思考，并且在代码编辑器中飞速写出几十上百行代码，甚至能在不同文件中自如切换并更新，还能直接在终端帮我执行命令。
我现在竟然只用自然语言描述功能需求，AI就能帮我直接创建对应的功能，而不需要亲自写下每一行，也不再是传统的自动补全的逻辑，而是从更高层面彻底接管软件工程师的部分工作。
这一刻我感受到了神笔马良式的魔法，一种看到新世界大门的喜悦。
于是我当时发表了如下的感悟。
Vibe Coding 天然适合 ADHD，传统写代码方式很反 ADHD 个性，Vibe Coding 一下子治好了不爱写测试、抗拒 CSS、老写错变量名、不爱重复琐碎找无聊 bug 的毛病。
现在有 AI 协助，反馈速度变得飞快，成就感满满，越是琐碎重复的部分 AI 越能完成得越好。
然后只用专注于提供大方向、架构设计，持续作为一个项目领导存在了。
我并不想亲自敲下每一个字符，但是我很享受创造作品的乐趣。从汇编到高级语言，程序员创造程序的体验应该是越来越好、效率越来越高的。
现在可以以一个纯粹创造者的视角，而不是搬砖工的感觉去创造程序，作为程序员其实应该是非常幸福的。
Vibe Coding 的边界
这种写法有一个专门的名字：Vibe Coding。这个词是 OpenAI 联合创始人 Andrej Karpathy 在 2025 年 2 月提出的，意思是完全跟着感觉（vibe）走：用自然语言告诉 AI 想要什么，AI 写的代码全部接受，不逐行审查，出了报错就原样丢回给 AI，直到几乎忘记代码本身的存在。
初体验发表完毕上述感慨后，爽了不到三天，我就发现了 Vibe Coding 的边界。
当时的我正在打造一个 App 原型，纯粹的 Vibe Coding 让 AI 根据模糊指令自由发挥，还没加上任何软件工程技巧。于是逐渐地，AI 变得越来越难控制，并且软件架构会变得混乱到难以维护。
于是我推倒重来，以软件工程师的身份，这次重新按照标准工作流程，来进行 AI 辅助开发。
这次我进入了另外一种状态，在保留了大量的 Vibe Coding 乐趣的同时，我加上更严格的代码审查，更清晰的文档，更小的渐进式修改，逐步改进，而不是一次性添加大量功能。这次整体的架构和实现变得高度可控，实现了指哪打哪的痛快感。AI 辅助开发，成为了类似领导指挥实习生的体验。一些细节的事情不用亲自实现，但是依然需要保留架构上的控制，和全局思考能力。
很快我切换到了 Claude Code 进行辅助开发。获得了更精准和强大的控制力，有如神助，我的开发效率获得了好几倍的提升。
软件工程师的未来
「Vibe Coding 会因为可以太快把东西做出来，导致不想去深入学习和研究编程基础，有这种可能吗？」
我认为是非常有可能的！
传统学习编程到做产品的路径，是像台阶一样，一步一个脚印，很多人会从最基础的编程语言课开始，到成为初级工程师，在工作上面对大量实际工程的挑战和实践，慢慢成长为独当一面的软件工程师。这里每一步都会有一定反馈，所以按照大众平均学习能力，进入这个领域不是什么很困难的事情，也有清晰的职业路径。
Vibe Coding 把启动门槛降低到了最低，任何人都可以实现 Demo 水平的产品，但是软件工程是一门需要大量实践性的学科，从 demo 到一个完善的商业化可靠的产品，差不多是 0-1 和 1-100 的区别。
传统职业路径下，能实现 0-1 的人，在这个过程中也基本积累了许多 1-100 必备的基础能力。但是 Vibe Coding 并没有让零基础的人获得这种基础能力，从 1-10 就会遇到断层式的难度门槛，会劝退更多人持续精进。
正因为前面太过轻松，后面遇到更大的困难，靠普通水平的兴趣和学习能力是无法简单跨越的。如果能在后续也轻松跨越，那这个人的学习能力、执行能力、解决问题的能力也一定是顶尖水平，至少是程序员中的前 1%。
也就是说，这一小撮学习能力、执行力很强的人，就算是在前 AI 时代，也有实力成为顶尖工程师。
随着 AI Coding 能力的大幅度提升，行业不再需要初级工程师，职业培训会出现断层，也没有那么多人有机会锻炼和学习技能。
这篇草稿写完一年后，招聘数据开始印证这个判断：
- 斯坦福数字经济实验室用美国薪资服务商 ADP 的工资数据追踪发现，截至 2026 年 6 月，在最容易受 AI 影响的职业里，22 到 25 岁年轻人的就业人数，比按其他职业同龄人走势推算的水平低了 19%，一年前这个差距是 15%。有经验的从业者没有出现类似的缺口。而且这个差距主要来自企业少招新人，而不是裁员。（Stanford Digital Economy Lab, 2026-08）
- 风投机构 SignalFire 2026 年 6 月的报告显示，谷歌、Meta、苹果、微软等 12 家大型科技公司的应届生和初级岗位招聘，比 2019 年少了约 65%；早期创业公司少了约 76%。（SignalFire State of Talent Report 2026）
- 招聘网站 Indeed 的统计里，2026 年第一季度美国软件开发的招聘岗位中，初级岗位只占 4.5%，是所有行业里最低的。（Indeed Hiring Lab, 2026-07）
我对于这个领域的未来相当悲观，编程领域在业界，出现两极分化的场景，要么是神仙打架，要么就是很多人出于兴趣做到 demo 水平的玩具。
其他领域也会逐渐步编程的后尘。未来世界一切的轻脑力工作都会被 AI 取代。
连数学这种最依赖原创思考的领域，也在这一年里被 AI 撬开了：
- 2026 年 1 月，剑桥本科生 Kevin Barreto 和业余数学爱好者 Liam Price 借助 GPT-5.2 Pro 解决了 Erdős 第 728 号问题，此前的文献里找不到任何证明。这被认为是第一个主要由 AI 解决的 Erdős 问题。
- 2026 年 5 月，OpenAI 的模型推翻了 Erdős 在 1946 年提出的单位距离猜想，这是困扰数学界 80 年的一个难题。菲尔兹奖得主 Tim Gowers 评价：「此前没有任何 AI 生成的证明接近这个水平。」几周之后，人类数学家又在 AI 的结果上做出了大幅改进。
- 同月，Google DeepMind 的一个 AI 智能体在 353 个公开数学问题里自主解决了 9 个，每题成本只有几百美元。
- 数学家 Noga Alon 甚至因此不再研究 Erdős 问题：「AI 开始解决它们之后，就没有意义了。」
这个系列会写什么
在当下，随着越来越多没有编程经验的人，开始接触 AI Coding，他们可能不知道从哪里开始，或者只是尝试做了一点小项目。他们会发现，自己对于软件工程知识的缺乏，会导致经常不知道自己在做什么，不知道如何拆解问题，如何解决复杂问题，不知道如何指挥 AI 达到想要的目标。
我还注意到，还有很多人的问题，其实源于缺乏逻辑思考，不懂得如何提问，如何批判性思考，不知道 AI 的回答是否正确。
我是一名有 6 年以上经验的软件工程师，借助 AI 完成了多个复杂项目的设计和开发，这些产品也有了不少自己的用户。就像开头说的，我现在的项目每一行代码都是 AI 写的。AI 确实可以帮助开发复杂的项目，前提是开发者知道自己在做什么，并且如何引导 AI 完成工作。AI 只是工具，关键在于人。
AI 时代，传统编程学习的路径将会被推翻。所以，为了响应时代趋势，我准备推出一个系列《零基础 Vibe Coding 完全指南》。
这份指南将会包含几大板块：
- 让 AI Coding 融入现代软件工程最佳实践。先理解软件工程是什么，再从零起步，把自己想做的软件亲手做出来。目标是项目不只停留在 demo，而是能长期维护，写起来也如丝般顺滑
- 思维和逻辑训练指南，在 AI Coding 的时候如何有效提问，应该避免做的事情，如何有效编写项目文档
- 如何对自己的项目和代码进行测试，优化整套工作流，如何在保持架构可靠的同时，不断优化软件质量、功能。在不降低软件质量的情况下，怎么提升开发速度，怎么做出自动化工作流。
- AI 编程的最佳技术栈选择，选择什么语言和框架开发，才能尽可能发挥 AI 的能力优势
后记
其实这篇文章的主要内容是一年前（2025 年 10 月）写的，这次重新编辑了一遍，并补充了这一年的招聘数据和 AI 在数学上的突破。当时震惊于 AI 的惊人发展速度，很担心写的东西过几天就过时了，于是短贴文发了很多，正经长篇文章却写得很少。一年过去，重新翻到这篇草稿，发现说得还是相当有道理的，于是整理了一下发出来。未来还是要多写文章，毕竟有人味儿的内容，在未来会越来越稀缺。