Vibe Coding 让你更快到达目的地，但不会帮你选目的地

2025 年初， Andrej Karpathy Definition OpenAI 联合创始人之一 在 X 上发了一段话，大意是：他正在用一种新方式做软件开发，不写代码，只是跟 AI 说话，描述自己想要什么，然后接受它生成的一切。他把这种方式叫做 Vibe Coding 。 这个词随后迅速传开。

它描述的，是一种以自然语言为主要输入、由 AI 负责生成代码的开发方式——你不需要懂语法，不需要调试环境，只需要说清楚你想要什么。从想法到一个可以运行的东西，有时候只需要几个小时。

对很多人来说，这件事的吸引力显而易见：以前需要一个开发团队、几周时间才能验证的想法，现在一个人、一个周末就能跑出来。 我很快就亲自试了一次。我给自己做了一个记账软件——支持 AI 自动导入账单、按类别分类、生成月度报告。从想法到能用，大概花了一个周末。 做完之后，我用了大概两个礼拜就停了。 不是因为软件有问题，而是因为我想清楚了一件事……

它改变的那一层

Andrej Karpathy 在 2023 年说过一句话：英语是现在最热门的编程语言¹。他的意思是，LLM 的能力已经到了一个程度，使得人类不再需要学习特定的编程语法来让计算机执行任务——你只需要说清楚你想要什么。

Vibe Coding 是这个逻辑的延伸。它本质上是一种格式转换能力：把一种语言转化成另一种语言，把一种形式的信息转化成另一种形式的信息。

最基础的那一层，是自然语言转代码。稍微往上一层，是把一个模糊的描述转化成一个可以交互的界面。再往上，是把一个领域专家脑子里的逻辑，转化成其他人可以直接看到和操作的东西。

这第三层，是我觉得目前被低估的地方。

举一个具体的例子。作为一个做 AI 产品的人，我经常需要向没有技术背景的人解释某个 AI 方案是什么、为什么这么设计、它能解决什么问题。语言描述，在这类沟通中效果非常有限——因为对方脑子里没有参照系，你说的词和他听到的词虽然相同，但激活的概念是不一样的。

以前解决这个问题的方式，是做一个演示原型，然后等开发周期。现在，一个理解业务逻辑的人，可以在几个小时内把一个想法变成一个可以被点击、被感受到的东西。这个可见性，才是 Vibe Coding 真正压缩的成本——不是开发成本，是”让对方理解你在说什么”的沟通成本。

Karpathy 本人在 2026 年初更新了他的说法。他现在用”agentic engineering”来描述这件事的专业形态，并且特别强调了”engineering”这个词——意思是，这不是随便折腾，而是一种需要判断力和专业度的工作方式²。这个转变，我认为说出了一件重要的事：工具变强了，但对使用工具的人的要求，并没有随之降低。

它没有改变的那一层

我做的记账软件，犯的错误很典型：我把”技术上可以做”当成了”我需要这个”。

这个错误和工具是否先进无关。它发生的原因，是我在开始做之前，没有认真问自己：我真正想解决的问题是什么？银行流水解决不了这个问题吗？如果解决得了，我额外需要的那个功能，真的是功能，还是只是”有了会更好看”的感觉？

这种错误在个人项目里代价有限，大不了浪费一个周末。但在组织层面，它的结构是一样的，代价要大得多。

我见过的一个情况是：一个团队投入了相当多的资源，做了一套分析用户行为的系统。数据跑出来很漂亮，报告也很整齐。但在一次复盘里，有人提了一个问题：这部分用户，占我们实际业务的比例是多少？答案是：很小，而且不是我们的核心增长来源。

那套系统，从技术角度看没有问题。从需求角度看，它回答的不是一个存在的问题。

Vibe Coding 的速度，在这种情况下，只是让你更快地走到了一个错的地方。

技术债务是真实的，但它不是最大的风险

关于 Vibe Coding 的技术债务，已经有不少讨论了。2025 年 9 月，Fast Company 报道了工程师接手 AI 生成代码库的困境——难以维护，难以扩展，因为代码的生成过程没有经过人的理解和审查³。安全层面同样如此：Veracode 的研究显示，AI 生成代码的功能性在过去几年显著提升，但安全性的改善幅度远远落后⁴。

这些问题是真实的，也需要认真对待。但在我看来，它们是第二层的问题。

第一层的问题是：你在做正确的事情吗？

技术债务是”做对了事情，但做的方式有问题”。需求错位是”做错了事情，而且做得很快”。前者可以被修复，后者需要从头来过。

Vibe Coding 降低了执行成本，但它也同时降低了”在开始执行之前认真想清楚”的压力。以前，开发成本高，逼着你在动手之前把需求想清楚，因为来回改的代价太大。现在这个压力小了，反而需要更有意识地去做那件本来被”贵”这件事强制要求的事情。

真正变得更稀缺的是什么

工具的门槛降低，带来的不只是”更多人能做事”，也带来了”更多不该做的事被做出来了”。

那么，在这个背景下，什么变得更重要？

我的观察是：能够在业务逻辑和技术实现之间来回切换的人，变得比以前更稀缺，而不是更不稀缺。

这类人需要同时理解几件事：业务上真正的问题是什么，技术上什么是可行的、什么是有代价的，以及怎么把这两件事翻译给对方听——无论对方是只说业务语言的决策者，还是只看技术实现的工程师。

这个”翻译”的能力，和 LLM 在做的事情，其实是同构的。LLM 把自然语言转化成代码，把想法转化成界面。但在它能做这件事之前，有一个人需要先做另一件事：判断这个”翻译”的方向是对的。

工具再强，方向的判断还是在人这里。

最后回到那个记账软件

我最终没有继续用那个软件。但我不认为那个周末是浪费的。

因为正是在做完它、用了两个礼拜之后，我才真正想清楚了：我对”记账”这件事的真实需求是什么。那个需求，其实用一张每月看一次的表格就能满足，甚至不需要 AI。

Vibe Coding 给了我一个很快拿到答案的方式。但那个答案最有价值的地方，不是软件本身，而是它帮我暴露出了我之前对自己需求的误判。

这件事能不能发生，取决于你有没有在做完之后，认真看一眼：这个东西，真的解决了我原本的问题吗？

这个问题，不会随着工具变强而自动得到回答。