别把 AI 写代码当赌博：从 Vibe Coding 到 Vibe Engineering

77 0 0

文章摘要

Kitze在《From Vibe Coding To Vibe Engineering》演讲中犀利对比了科技行业不同领域的发展差异：Vision Pro已实现布料碰撞与生成式城市等前沿技术，而前端社区仍在为select组件样式化等基础问题争论不休。这种割裂揭示了技术演进的不均衡性，也引出了演讲的核心命题——当大模型显著降低编码门槛时，真正的变革并非代码写法本身，而是整个工程实践体系的转型。

演讲首次系统阐释了”vibe coding”现象，即开发者依赖LLM生成代码却缺乏系统化管理的模式。Kitze将其类比为赌场机制：开发者像赌徒般不断投入token生成代码，时而获得功能完整的”头奖”，时而陷入无效prompt的循环。更深刻的洞察在于指出这种模式本质上复制了传统管理流程——只不过人类的”代理人”从初级开发者变成了AI模型。这种观察揭开了技术迭代中隐藏的权力结构转移。

针对vibe coding的局限性，演讲提出升级版解决方案”vibe engineering”。其核心不是优化提示词技巧，而是建立工程化约束体系：包括设定清晰的抽象边界、实施voice coding实时验证、维护结构化上下文文档等。特别强调AI生成代码需要与传统工程常识结合，例如保持对每行代码的批判性审视，为模型提供高质量primitives作为起点。这些方法论既保留AI的迭代效率，又规避了不可控风险。

关于开发者分层的研究发现极具启发性：初级开发者将AI视为实现个人SaaS的工具，资深工程师则用它增强复杂系统开发能力，而中间层开发者表现出最强抵触情绪。数据表明真正的效率提升发生在资深工程师采用vibe engineering时，单纯用AI替代初级开发者反而会降低工程质量。这种分层现象揭示了技术采纳过程中的能力马太效应。

演讲最后预见了新型岗位”vibe code fixer”的兴起，专门处理AI生成的80%完成度代码的最终优化。这一预测印证了技术史上重复出现的规律：自动化创造的新岗位价值往往体现在处理机器无法完成的”最后一公里”。同时指出未来的clean code标准可能演变为”clean-ish enough”——保持足够可维护性供AI继续迭代，而非追求绝对完美。这些前瞻判断为开发者提供了应对技术更迭的务实框架。