我不知道 Vibe Coding 是谁发明的不过在我经历了一些事情之后我大概是这么理解它的 就是用 AI 进行小作坊式的编程。最近换了新的工作在做 AI 相关的产品算是稳定下来了。那么就来聊聊这两年的一些想法吧。纯人工内容居然成了稀罕物我感觉现在简体中文互联网上的新内容至少有 90% 都有 AI 参与了。这一点反而让我有了写文章的冲动为的就是让你们回忆一下人类写的文章读起来到底是什么感觉笑。目前我的知识来源主要是 Hacker News 点赞超过 50 的文章列表和 Reddit 上我关注的一些技术论坛。因为上面绝大部分内容都是人类产生的而且是有一些见地和价值的。不过讽刺的一点是我主要通过 AI 来阅读这些内容。我会用沉浸式翻译配合 DeepSeek API来将英文翻译为中文还会用 Perplexity.ai 来总结文章。所以严格来说我还是在阅读 AI 产生的内容笑。音频播客又回来了人类总是会寻求出口的想要听鲜活内容的人们让音频播客又火起来了。最让我印象深刻的几期播客是【杨迪的迪听】我和金靖是“八卦”之交~影视飓风TIM×罗永浩用影像打开世界的梦想家下一个流量风口视频类播客和访谈节目以上内容都能在 Bilibili 搜索观看完整视频。这种什么东西又回来了的感觉让我想起了我的本科专业软件工程。我们的话题一下就转到软件工程了嗯人类写文章就是这么跳跃。Vibe Coding氛围编程我不知道 Vibe Coding 是谁发明的不过在我经历了一些事情之后我大概是这么理解它的Vibe Coding 就是用 AI 进行小作坊式的编程。“小作坊”这个词实在是太传神了一个人什么都不懂就把事情干出来了这不就是 Vibe Coding 吗AI 是这么解释小作坊编程的“小作坊式”编程指缺乏规范流程、依赖个人能力、依靠手工打造的软件开发方式。其特点是开发周期短、沟通直接但存在代码规范差、维护难等技术债务风险。它通常由小型团队或个人进行多用于快速验证想法或初创项目但在大型系统开发中被认为难以维护。你可能会问那人类是怎么改进小作坊式编程的呢当时人类的改进思路是不是已经被 AI 采纳了呢最初程序员发现有些代码最好不写于是有了结构化编程20世纪60-70年代Dijkstra 等先驱推动了结构化编程通过引入循环、条件判断并废除 GOTO 语句解决了代码像“意大利面”一样混乱的问题。回想我们在用 AI 编程的初期是不是也总是让 AI 不要做某些事不要写某类代码当时的程序员发现自己根本记不住那么多细节于是给每个模块起名字这里面就有面向对象编程的诞生面向对象编程 (OOP) 80年代 Smalltalk、C 以及后来的 Java 普及了类、对象和封装概念使代码实现了模块化和可重用性不再依赖单个开发者的记忆力。而 AI 编程解决记忆力不足的办法目前是增加了上下文长度并开始了上下文工程。在后来程序员发现写代码之前最好先写文档瀑布开发模型 70年代引入的瀑布模型首次将开发分为需求、设计、实现、测试等固定阶段强制要求文档化告别了“边想边写”的随意性。看到“告别了边想边想的随意性”我都不知道这句话是在说人类还是在说 AI笑。我感觉目前的 AI 编程差不多发展到了瀑布开发模型阶段下一个阶段如果还想继续重蹈人类的覆辙的话应该进入敏捷开发阶段敏捷开发 (Agile) 2001年《敏捷宣言》发布通过迭代、Sprint 和持续反馈解决了瀑布模型过于僵化的问题同时用团队协作如结对编程、站会取代了“孤胆英雄”模式。最后的最后使用 AI 编程的人们可能会遇到“软件危机”并开始了解“软件工程”这门课了以下是 AI 对软件工程的总结有点长你可以快速滑动只看我高亮的关键词“软件工程”这一学科的建立是为了解决 20 世纪 60 年代爆发的“软件危机”。当时由于硬件性能飞速提升人类开始尝试构建极其复杂的软件系统如阿波罗登月计划、大型操作系统但传统的“小作坊式”开发方法完全失效了。软件工程主要解决以下四大核心难题1. 软件开发的“不可控性”在没有工程化方法之前软件开发就像黑盒进度失控项目几乎总是延期。成本超支实际预算往往是预期的数倍。交付失败许多耗资巨大的软件最终根本无法运行或无法交付。2. 软件质量的“不可靠性”“小作坊”出的软件往往逻辑漏洞百出且缺乏系统性测试。缺陷频发在医疗、航空等关键领域软件 Bug 甚至会造成人员伤亡如 Therac-25 放射治疗机事故。不符合需求开发者写出的功能往往不是用户真正想要的。3. 软件维护的“噩梦”早期软件缺乏文档和规范导致维护成本极高难以读懂除了代码作者没人能看懂复杂的逻辑。维护成本超过开发历史上曾出现过维护现有软件的开销占到总成本 80% 以上的情况。4. 软件复杂度的“规模化”问题当代码量从几千行激增到几百万行时个人英雄主义宣告破产。协作障碍多人参与时沟通成本呈指数级上升导致效率反而下降即 布鲁克斯法则。管理缺失缺乏科学的管理方法来组织大规模的团队协作。简而言之软件工程是为了让软件开发从“碰运气的手工艺”变成“可预测、可重复、高质量的现代工业”。我并不是在这里装先知只是发现自己在大学里学到的一些知识可能真的有用这还真是一种奇妙的感觉。这就像是我在十年前甩出一记回旋镖十年后这记回旋镖才飞回来砸中了我的后脑勺。并且我相信 AI 未来真的会顺着人类已经走过的路再走一遍然后再超越人类。不过软件工程有一句著名的话在等着 AI这句话是没有银弹。这句话出自 IBM 大型机之父 Fred Brooks 在 1987 年发表的经典论文 《没有银弹软件工程中的根本困难与次要困难》这句话的核心含义是没有任何一种技术或管理手段能像传说中杀死狼人的银弹一样让软件生产率在十年内提高一个数量级。Fred 认为开发软件的根本困难是复杂度 软件各部分之间存在无数种状态组合规模翻倍复杂度呈指数级上升。一致性 软件必须遵循各种人为制定的接口、法律和遗留系统。可变性 软件比硬件更容易被要求修改且修改频率极高。不可见性 软件没有物理实体难以通过直观的图形完全描述其逻辑。另外有一个次要困难那就是实现软件过程中遇到的阻碍。这个困难是由落后的生产工具导致的我们可以通过工程化手段解决。例如写汇编很困难我们可以写 C/Java。如果你觉得写 C/Java 也困难那么可以借助 AI 用中文或者英文来编程。也就是说AI 只是在解决软件开发中的次要困难。你看人类在很多年前就已经知道 AI 编程有什么优缺点了为什么现在大部分人认为只要买足够贵的 AI就能创造成功出任何软件呢因为现在自媒体太卷了。我们的话题又一次切换了。自媒体真的别看了每次有 AI 大升级的时候自媒体就会让它做一个静态页面并声称任何人都能用 AI 赚大钱了。目前国内自媒体行业的主要矛盾就是“新闻内容本身不够炸裂”和“自媒体希望自己发布的内容必须炸裂出圈”之间的矛盾。AI 初期我会看一些自媒体的评测文章来了解 AI现在这类自媒体我一律不看了。这导致我不得不看 Hacker News 上的英文文章用 AI 翻译成中文。最后我发现大部分编程圈的自媒体从业者只是在搬运 Hacker News 上的文章而已。如果你真的想了解 AI 的一切你能做的只有自己动手用 AI别无他法。目前我在编程时会采用的 AI 有 Kimi K2.5、智谱 GLM 4.7、MiniMax M2、小米 mimo-v2-flash 和 DeepSeek。当然还有 GPT 5.2 Codex 和 Claude 4.5。由于我用 AI 辅助编程时自己会提供精准的上下文所以这些 AI 我用起来都没什么问题其中 Kimi K2.5 和 Claude 4.5 的效果尤其好一点但也没有好很多。不知不觉写了好多这篇文章也没有什么明确的目的也没有广告仅仅是总结了一些想法而已期待你的回复。