目录引子资本叙事下的“氛围狂热”我的工作流对话框里的“思想沙箱”撕开资本宣传的“效率谎言”1. 产出速度 ≠ 生产效率字节的“反常识”数据2. “审查供给侧崩溃”Godot的警告3. 放弃手敲就是放弃对系统的掌控权4. AI的真正长板是“降噪”而不是“打字”效率的重新定义用速度换质量从Vibe Coding到Agentic Engineering谁在裸泳写在最后适合自己的才是最好的引子资本叙事下的“氛围狂热”时间走到2026年7月AI编程的叙事已经面目全非。一年前Andrej Karpathy随手发了一条推文创造了“Vibe Coding氛围编程”这个词。他当时只是“浴中哲思没多想随手就发了”。但这个词像病毒一样传开了——Cursor、GitHub Copilot和通义灵码等工具将“人提意图AI写代码”的模式推向高度成熟代码补全的接受率在部分场景中已超过40%。资本随之蜂拥而至。Lovable估值翻倍至132亿美元Replit今年3月估值达90亿美元Cursor上个月被SpaceX以600亿美元收购。IDC数据显示2025年中国AI编程市场规模为3.99亿元预计2026年底将增长至11.73亿元。全球企业级AI编程市场年化规模预估已达98亿至110亿美元。仿佛写代码已经变成了一种仅凭“感觉Vibe”就能搞定的低门槛游戏。但狂欢的另一面是正在崩塌的共识。在这种全自动、全代工的狂热浪潮里我选择了一条完全相反的、近乎古典的异类之路。我的AI编程助手只读不写。只存在于聊天框绝不碰我的代码库。我的工作流对话框里的“思想沙箱”具体来说我的默认工作流是这样的我利用现在动辄百万级Token的超长上下文工具把整个项目喂给AI。它负责分析项目结构、理解复杂的跨模块依赖然后在聊天框里推演优化方向给出改动建议甚至写出示例代码、标注出需要改哪些文件。但到这里为止——AI在对话框里的使命就彻底终结了。所有的最终改动都是我用肉眼审核、用大脑采纳后自己亲手敲进代码库的。我拒绝让AI直接覆写我的文件No Auto-Apply也拒绝让它在编辑器里搞Inline补全。聊天框是AI的沙箱代码库是我的阵地。它看得见全部却动不了分毫。撕开资本宣传的“效率谎言”为什么在2026年大家都追求“一键生成”时我还要坚持用手敲因为那些被资本刻意隐藏的代价正在批量兑现。1. 产出速度 ≠ 生产效率字节的“反常识”数据字节跳动技术副总裁洪定坤在2026年火山引擎Force大会上分享了一组数据TRAE团队超过90%的代码由AI写出但团队的人均需求吞吐率仅提升了60%。AI写代码的速度是人的十倍以上九成代码由AI产出效率提升却只有六成。这恰恰是今天大多数团队在AI落地上遇到的现实。GitLab 2026年AI问责报告揭示了一个更扎心的“AI悖论”尽管78%的开发者表示编码速度更快了但整体软件交付并未加速原因在于下游的测试和审查出现瓶颈。AWS的调查显示94%采用AI的开发组织未能达到预期效果。那些“一句话生成的软件”底层往往充斥着拼凑的、由于模型幻觉引发的隐性Bug以及毫无扩展性可言的架构。Software Improvement Group的测试显示AI生成代码的安全违规风险约为人类手写代码的两倍。过度依赖AI生成代码的项目后期重构成本平均增加47%。资本只负责教你用一秒钟把代码堆出来但由此带来的技术债和运维事故只能由你来承担。2. “审查供给侧崩溃”Godot的警告2026年6月30日开源游戏引擎Godot Foundation发布了一则震惊业界的公告全面禁止AI生成的代码贡献禁止Vibe Coding禁止AI Agent提交PR。为什么因为AI把代码生成成本打到零审查能力却分文未增。开源项目的核心瓶颈从“没人写代码”变成了“没人审代码”。Godot维护团队坦言“生成一个PR所需的工作量下降了PR数量随之飙升但审查PR的工作量和审查人数纹丝未动。”更让维护者崩溃的是——大量AI PR的作者根本不了解自己提交的内容。Godot说出了一句刺痛无数人的话“AI无法承担责任我们也无法相信那些高度依赖AI的开发者能真正理解自己的代码。”Techstack发布的《State of AI Report 2026》显示全行业已有42%的代码是AI生成或AI辅助生成的。但AI生成的PR携带问题的概率比人类手写代码高出约1.7倍。当代码产量从月均2.5万行飙升到25万行审查却跟不上——这就是2026年AI编程最残酷的现实。3. 放弃手敲就是放弃对系统的掌控权Vibe Coding最可怕的地方在于它让开发者从“创造者”退化成了“旁观者”。独立开发者Vinicius Brasil列出了五条拒绝AI代码的原则当他自己无法解释AI的方案时当diff比问题本身还大时当AI引入不必要的抽象时当代码跑通了但让系统更难推理时当他发现自己过度信任AI的输出时。这五条有一个共同点它们都跟“代码能不能运行”无关。它们衡量的是——工程师能不能理解、维护、解释这段代码。而我把代码限制在聊天框里、坚持“看懂示例手动敲入”的做法有兩個无法被替代的好处大脑的“二次编译”在我亲手敲代码的过程中我的肉眼和大脑被迫对AI的每一行建议进行全量审计。打字慢了但这种肌肉记忆迫使我完成了对逻辑的深度理解。捍卫风格的一致性AI生成的代码往往带有强烈的“拼接感”——AI更倾向于“新增代码块”而不是建议删除、重构或复用既有代码。亲手敲入能用自己习惯的异常处理、防御性编程和命名规范去同化AI的思路保持工程代码的纯净。4. AI的真正长板是“降噪”而不是“打字”在海量信息里捞针是AI的绝对强项。我让它读项目是为了省去我手动翻阅几十个文件、脑补调用栈、在各种落后文档里查API的痛苦。AI的作用在于压缩了我的搜索和理解路径。它是一个极度高能的“静态分析仪”把高维的系统复杂性降噪后呈现给我。至于最后那10%的落地编码我必须要自己来拿捏。效率的重新定义用速度换质量这可能是最扎心的问题“你这么做效率是不是降了”如果只看“单位时间内产出的代码行数”我的效率确实降了——因为我不让AI直接写入每一行都要自己敲。但如果看交付质量和系统韧性这是质的飞跃。非营利研究机构METR的一项研究表明经验丰富的开发者自认为AI让他们快了20%但客观测试表明他们实际上慢了19%。为什么因为AI生成代码的速度固然很快但开发者要额外花费大量时间排查、修复漏洞。我的账本是这样的无AI时代2小时看代码1小时改基准质量70分后续可能还要花3小时debug。我的“只读AI”时代1小时让AI在聊天框帮我理清架构和盲区1.5小时在彻底理解的前提下手改。账面上看我敲键盘慢了半小时但我的代码质量直接拉满到了90分以上并且由于全程由我掌控后续的调试和重构成本几乎降到了零。我没有牺牲效率我只是把“试错与修Bug”的痛苦时间前置置换成了“更高质量的思考与编码”。从Vibe Coding到Agentic Engineering谁在裸泳有趣的是连Karpathy本人也在2026年初亲自按下了升级键。他提出了新概念——“智能体工程”Agentic Engineering。他解释说一年前的Vibe Coding是用当时能力还比较弱的LLM做些好玩的一次性项目而一年后的今天利用LLM Agent编程已成为专业人士的“默认设置”。所谓“智能体”是因为99%的时间不再直接写代码而是在指挥智能体干活、充当监工所谓“工程”是为了强调这其中包含着艺术、科学和专业技能。一位开发者的评论一针见血“在大厂设计大规模系统的经验反而让我能更好地驾驭AI。核心原因在于我知道一个好的系统长什么样。正因为我有能力设计才能引导AI走向稳固的架构。这就是‘氛围编程’和‘智能体工程’的本质区别。”Karpathy的观察精准地切中了要害“工程”Engineering才是关键词。很多人被Vibe氛围这个词误导了以为只要感觉对了代码就能跑。但真正的软件开发从来不是“感觉”能搞定的。写在最后适合自己的才是最好的AI编程助手发展到现在技术确实在狂飙。Cursor被SpaceX以600亿美元收购Claude Opus 4.6在SWE-bench Verified上已达80.8%——这些数字令人眩晕。但软件工程没有银弹。Godot的禁令、字节的“90%对1.6倍”反差、GitLab的“78%快但没交付”悖论——所有这些都在告诉我们同一个道理在2026年这个浮躁的节点上我们更需要保持独立思考。不要盲目追逐资本创造的新词汇。不要被“一句话生成软件”的虚假快感牵着鼻子走。编程的核心永远是思考、调试和架构决策。让AI负责“读”和“想”留在聊天框当个睿智的顾问让我负责“写”和“定”握紧项目的方向盘。各司其职互不越界。这可能不是全行业最快的开发姿势但它是最让我心里踏实、也最能让我掌控质量的方式。因为适合你自己的编程方法才是最好的方法。
