程序员从古法编程到Vibe Coding的能力跃迁

随着AI coding能力的快速跃升，程序员对AI coding的接受度和依赖度也在逐步提高。而且可预期的是，AI Coding能力仍然会持续快速增长，这个时候就会思考一个问题，手撸代码（或者称之为古法编程）是不是没价值了呢，还有必要坚持古法编程吗？古法编程不是没有价值了，而是和vibe coding相比，生产力有点不匹配当前的AI发展了，它的价值不再体现在写的又快又好，而是将古法编程的沉淀经验应用到vibe coding之中，结合vibe coding产生持续更高效的创造力和生产力。

vibe coding已经改变了"写代码"这件事

不用说codeforce,imo现在AI的水平如何，你只要随便去问下，现在AI创业公司的生产代码，有多少比例是AI生成的，你就知道vibe coding已经成为了编程不可获取的工具了，古法编程不是方式不对，而是已经跟不上AI的发展脚步了(而且AI还在持续快速迭代)，如果有更好的工具不用而坚持手工写代码，除了情怀和代码洁癖，我想不到还有什么理由。

所以与其讨论是否应该坚持古法编程，倒不如讨论这个古法编程的可取之处如何应用到vibe coding，或者如何做出适应和改变。

现阶段古法编程的代码编写执行能力已经基本被AI取代了(最近两个项目手写代码不超过2%)，但没有被取代的能力包括架构设计能力，解决定位bug能力，和对某些技术栈的深入认知能力。这些能力在vibe coding场景下使用还是有不小作用，但这些能力其实也不是最重要的了，最重要的是适应变化能力和元思考能力。

从程序员与vibe coding竞争的角度来看，vibe coding的核心能力来自AI模型本身，而AI模型最有潜力也最可怕的地方在于持续进化，你不知道它一个版本的模型能力可以达到什么程度，就拿swe-bench verifed来看，3月末发布的Gemini 2.5 pro分数是59.6，上个月发布的Gemini 3 pro已经到了76.2，这个benchmark是以修复真实pr问题来设计的，对编程能力的实际考量有一定参考作用，从接近60提升15个点难度是非常大的。程序员靠编程积累经验，在大半年的历练上能实现如此程度的提升吗？而奥赛金牌级别水平现在已经有两个闭源和一个开源达到了，和模型去比谁的代码写得好，那已经基本没有任何悬念了。

那写代码比不过，比什么？比上面提到的两个能力，适应变化能力和元思考能力。

现阶段AI Coding的四大硬伤

代码写得好在这个阶段是有条件的，完成一个单文件/局部模块或者展示demo，目前的AI交付完成质量很高，但是到具体生产项目上，问题就很多，还处于早期可用阶段，没有review和人类指引介入，项目基本上就是走向失败和崩溃。

现阶段AI Coding最主要的四个问题:意图理解偏差，屎山代码堆积，结构/架构耦合，防御性编程。

意图理解偏差

意图理解偏差很好理解，你想要实现A目标，AI按自己的思路实现了A，但过程实现未必按你的预期，而且很容易有部分逻辑是硬编码实现，让你以为完成的很好，等你review的时候才发现实现根本不是你想要的。

屎山代码堆积

屎山代码堆积是现阶段用vibe coding很容易出现的，因为AI对你的需求实现的非常快，你会习惯快速往后推进，但是单元测试通过不代表这个代码没问题，你继续一步步往前推，等到提交几次代码测试出问题再回头来review代码，发现项目已经成为了屎山，这种情况下，去溯源去做重构的工作量不可谓不大。

结构/架构耦合

结构/架构耦合这个对于复杂项目或者新技术项目来说比较头大，模型处理复杂项目的能力还有所欠缺，虽然ai coding工具可以读取整个项目文件，但结合全局目标去做架构设计的能力还是不够的，经常会出现一个文件写了上千行，没有模块化封装，层级划分不细致的情况，不过这可能和现阶段的rl reward hacking有关，只要代码执行正确就能获得奖励，还没有对架构设计这个层面设置rubic reward。

防御性编程

防御性编程在vibe coding交付代码中也很常见，很多文件的try catch看得让人无语，关键是很多except它还做静默处理直接pass，这可能也是rl hacking的问题，不报错更有可能拿到reward，但是这可害苦了后面的debug。

所以这几个主要问题导致交付的代码极容易埋雷，虽然通过了测试，但是一旦报错，很可能是连环错误导致的，要不断往前溯源，费尽心思debug去找到根因。

新的程序员能力模型: 从执行者到AI经理人

那如何避免或减少这些问题的发生，spec驱动(SDD)是现阶段比较流行的推荐方案，需要在启动项目或重构项目时，就把项目的目标，技术选型，阶段计划，行动清单，验收标准梳理清楚并形成文档规范，然后以这个规范来指导ai进行多阶段开发，开发过程中继续梳理维护spec来控制项目进度和质量。

但其实这样做的话会发现，AI coding并没有降低对程序员的要求，只是能力侧重点变了。虽然现阶段使用vibe coding 几乎甚至可以不用再写一行代码，但需要你做很多引导和决策，需要你掌握整个项目的方向和大局，你的角色从代码编写的执行者，变成了codong agent的决策者和管理者，如何管理能力不断进化的AI，没有任何经验所参考，需要亲自来实践。

但是要做决策，意味着你要对这个项目的质量负责，那不是拍大腿决策就够的，需要你对项目技术方案有清晰的架构思维，对具体技术有深入的理解，那其实古法编程训练积累的能力在这里就会发挥作用。而另外如何管理和利用好agent来编程这个能力就需要刻意去提升了，这也是程序员重要的未来竞争力。而这体现的就是适应变化的能力。

元思考: 思考如何思考

那元思考能力是什么呢？这个可能相对抽象，但却很重要，可以理解为你对“自己如何思考和决策”的觉察、调度和校准能力。

举个例子，在某个场景AI一直改不对，这个时候如果一直来回的让它改，那就会越改越没耐心，这个时候就应该思考"这样操作的方式是不是不对，为什么不对，应该怎么改"，AI如果改不对，主要可能就是两个原因:本身能力不够和先验不足。如果确实能力不够，没法处理这个程度的复杂问题，那可行的方法就是拆解任务，或者换个更好的模型。而如果是先验不足，对应的就是补充先验，比如收集更多日志，搜索一些相关技术点，增加类似项目的复用经验等。但如果是继续多轮重复"你再仔细想一想"，"你为什么真呢笨"，那可能就是在做无用功了。

结合上面提到的适应变化能力，去做更多的决策指引不意味着处理的问题变简单，而是更多的从执行层迁移到决策层，所以思考的问题角度不是"怎么做"，而更可能是"怎么做决策"，这不但需要你对项目本身有清晰认知，还需要了解你面对的AI的优缺点，清楚它的能力边界，去最大化的激发和利用它的长处，而用其它方式来弥补它的短处。

但是从另外一个层面来看，随着AI能力的提升很多问题会得到优化，编程自动化的进化程度也是会越来越高，人在其中发挥的作用也会持续变化，能力也需要随之调整，但是元思考能力却始终是需要的，因为它能让你始终穿过技术背后，去看到个人的价值在哪里，结合这大半年AI codong工具的经验，我觉得正是在用vibe coding的这个过程，让我更加清楚技术的进步意义不在于替代或颠覆，而在于持续不断的突破加速社会往更好的方向发展，于个人也是如此，不是你去替代谁或者谁来取代你，关键是要实现适应时代变化的能力进步并保持持续的探索和思考。

结语

当AI coding以摧枯拉朽之势即将带来软件行业的变革之际，你应该让AI工具帮你完成更多的事，但需要动态调整自己的能力，也更不能让渡出本身的元思考能力，反而应该增强。不然所有的决策你只需要输入yes，那为什么还需要你来选择呢。最后做个假设，当未来有一个按钮，AI告诉你这个按钮按下去对你百利而无一害，你会毫不犹豫的按下去吗？