Vibe 编码，AI 和工程的新现实

十年前，AI 能够代替程序员编写代码的想法听起来更像是一个激动人心的幻想。今天，它已经成为日常现实的一部分。MVP 可以在几天内构建，接口可以从文本提示中生成，AI 助手正在成为工程团队的完全参与者。

在这种背景下，越来越多的人都在问相同的问题：AI 真的可以替代程序员吗？人工智能真的可以与高级工程师相媲美并取代他们吗？而在不久的将来，这个职业会发生什么变化呢?

我自己也是一个开发者，我对此有自己的看法。让我们来分析一下。

问题的核心是什么?

关于 AI 编程的主导叙事是这样的：

AI 正在变得非常有效地编写代码，并且重要的是，它已经避免了人类常犯的许多错误。更有趣的是，AI 可能在处理所谓的边缘情况方面更好：罕见和不寻常的场景在软件工程中无处不在，开发人员通常很难提前预测。

当程序员说“我想在这里添加一个按钮”时，他们会得到这样的回应：“这里是按钮，以下是 18 个边缘情况你应该考虑，以下是你需要运行的测试，并且你可能还需要添加这个和那个。”你可能会看起来觉得：“是的……这实际上是有道理的。”单独地，你可能需要几周的时间才能意识到这些问题——在生产环境中已经出了问题之后。AI 经常立即提出解决方案。对于已经有工作的工程师来说，这大大提高了生产力和效率。

这导致了一个经济问题：如果一家公司以前需要 100 名开发人员来处理一定的工作量，那么理论上现在可能只需要 20 名——因为这 20 名开发人员可以在 AI 的帮助下完成相同的工作量。

这种加速的背后隐藏着什么?

我越来越常看到非常强的软件工程师担心他们的职位、市场地位和收入。感觉好像很快就不会有工作留给程序员了。

我的答案通常是：伙计们，这可能没有看起来那么戏剧化。事实上，经验丰富的工程师现在正在获得一种新的价值。因为我们可能是最后一代真正手写代码并深入理解系统内部工作原理的开发人员。下一代开发人员正在通过 AI 工具工作——随着这一点，工程实践本身正在发生变化。

这里的前一个叙事没有考虑到的是：

AI 生成的代码通常看起来完美无缺。任务得到解决，接口工作正常，一切运行正常。但是随着时间的推移，长距离上，更加微妙的问题开始出现：架构妥协、弱的工程决策、数据结构问题或可扩展性问题。这是因为 AI 已经非常擅长解决局部任务，而大型系统的长期逻辑仍然需要人类经验和工程判断。

这就是为什么，当这些项目进入严肃的生产环境——银行、电子商务平台、大型服务——团队最终仍然需要能够深入分析架构、识别根本原因和恢复整个系统逻辑的人。

我经常接到朋友的电话，说类似这样的话：“Michael，可以跳进来帮助我们理解为什么系统开始崩溃？”尽管我现在在 Introspector 工作于物理 AI，但我仍然偶尔会帮助解决这些困难的工程问题：重建系统逻辑、分析架构、找出问题开始积累的地方。

这就是为什么我相信强大的工程师将在很长一段时间内保持高价值。与此同时，经验丰富的工程师正在帮助改进和训练 AI 模型。我们在 Keymakr 看到了这一点，当我们寻找经验丰富的开发人员来验证代码并帮助训练模型时——那些可以依靠真正的工程思维、实践经验和对系统在现实世界中行为的深入理解的人。

主要假设

这带来了我们关于未来的最大问题：这一切最终会通向哪里？如果下一代工程师从一开始就以完全不同的方式进入这个行业，我们如何培养他们?

如果我们客观地看待这种情况，没有炒作或恐惧，我看到几个可能的场景。

• 不明确的未来

第一个也是最诚实的答案是，很少有人真正思考得那么远。因为没有人完全理解这个未来在实践中会是什么样子。

也许在几年内，AI 代理真的能够编写几乎完美的代码——具有强大的架构、可扩展性和上下文理解。现在，这个问题仍然完全开放。

与此同时，像 Apple 、Microsoft 和 Google 这样的主要科技公司继续积极招聘强大的研究人员、博士专家和来自学术环境的人。 这可能表明，即使在大多数代码由 AI 生成的世界中，深入的工程理解仍然很重要。

然而，小公司通常具有非常不同的规划视野。当你不知道你的初创公司是否会在六个月后仍然存在时，很难认真思考十年后会发生什么。当然，没有人故意想要建立一些从根本上有缺陷的东西。团队仍然试图识别潜在的风险和弱点。

但实际上，逻辑通常更简单：首先，构建一个可以产生收入的产品——然后稍后处理架构、优化和重写系统。问题是，在许多项目中，“稍后”不断被推迟。

• 螺旋式演变

第二个答案，在我看来，更有趣。如果你看一下这个行业的历史，它已经经历了类似的转变很多次。第一批程序员使用打孔卡。然后是用汇编语言编程的工程师一代——对于许多现代开发人员来说，这已经很难想象了。过去，你必须真正理解硬件的工作原理，以处理器逻辑为思考方式，并在脑海中保持大量的低级复杂性。

然后是 COBOL 时代。整个银行主机都是用它构建的，最令人惊讶的是，全球银行基础设施的很大一部分仍然在这些旧系统上运行。仍然有一些 60 岁和 70 岁的程序员在维护这个代码库，他们仍然是极其有价值的专家。

下一代开发人员转向了 C++、Python 和 JavaScript。我自己属于这一代。例如，我几乎不了解 COBOL 的工作原理。理论上，我可以学习它——但对我来说，它已经感觉像是一个遥远而陌生的东西。

当你从历史上看待这一点时，会出现一个有趣的模式：每一代新的工程师不再需要深入了解前一代技术的工作原理。随着时间的推移，知识被嵌入到基础设施本身中。

打孔卡已经消失很久了——它的逻辑现在已经构建到处理器中。汇编语言在很大程度上已经消失为主流工具，因为它的复杂性已经被隐藏在操作系统、驱动程序和更低级别的抽象中。甚至你的耳机今天可能包含一个运行所有这些隐藏复杂性的微型操作系统——大多数人只是从不思考它。

当然，仍然有一些专家了解所有这些低级别的魔术。但对于大多数行业来说，它已经成为一个抽象层。

这导致了一个非常合乎逻辑的想法：也许 AI 只是这一演变的下一个阶段。也许下一代开发人员真的不需要像我们一样深入地理解传统的编程。

• 市场经济学

我还有一个假设：Vibe 编码或 AI 辅助开发最终将不再被视为“免费加速”。实际上，它现在并不完全免费；只是并不是每个人都在仔细计算背后的真实经济学。

模型、令牌、基础设施、不断的请求、维护整个 AI 管道——所有这些都逐渐成为一项重大的运营费用。因此，我相信公司很快就会开始更密切地审视 AI 辅助开发的真实成本，并提出一个非常实际的问题：什么更有效——扩大工程团队还是维护整个 AI 基础设施周围的开发?

一个非常现实的场景是，强大的工程团队最终可能被证明在长期维护、发展和支持产品方面更具经济可持续性。

然而，我认为这实际上是新型工程团队可能出现的地方：非常小的、经验丰富的专家团队，专注于维护基础设施本身的稳定性和弹性。随着时间的推移，这可能会成为行业中最有价值的工程专业之一。

• 将与 AI 共同工作的人

最后一个假设——尽管非常现实——是下一代工程师很可能需要在一个完全不同的环境中建立他们的职业生涯。并且这远远超出了编程本身。类似的变化已经开始重塑法律、金融、医学和几乎所有 AI 可以接管大量知识性例行工作的领域。

尽管如此，我仍然倾向于以非常积极的态度看待正在发生的事情。可能是因为我总体上喜欢进步。我喜欢技术可以改善人们生活、让人类摆脱大量重复工作并使许多过程更安全、更高效的想法。

例如，像特斯拉或威摩的自动驾驶系统已经在许多场景中展示了令人难以置信的安全水平，相比之下，人类驾驶员的安全性要低得多。这确实令人印象深刻。

与此同时，孩子们进入的世界将在专业身份方面变得更加复杂。他们将不得不寻找自己的位置和目的，在一个迅速变化的格局中。

如果一个孩子今天想成为一名律师、一名金融分析师或一名程序员，那么很可能这些职业在未来会看起来完全不同。也许这些将成为与法律 AI、金融 AI 或编码 AI 密切合作的专家——那些操作 AI 系统、验证输出、提供上下文并做出关键决策的人。

我认为，认识到几乎所有这些场景今天都感觉很真实是很重要的。无论我们喜欢与否，正在发生的一切都是更大规模的技术进步的一部分。这种过程不太可能被停止。这意味着我们将不得不学习如何在这个新世界中生活——逐渐学习如何平衡它、与它交流，并可能甚至与它发展出一种新的共存形式。