Vibe Coding 2.0时代的编程实践

本月初，Andrej Karpathy在 X 上面发布了一条推文，阐述了自己在Vibe Coding方面的实践收获。
Andrej Karpathy是斯坦福大学计算机博士，师从著名的华人AI学者李飞飞教授。他曾担任特斯拉自动驾驶系统项目负责人，也是OpenAI创始团队的一员，在ChatGPT项目中也占据了不小的贡献。

Vibe Coding这一概念，也是他在2025年2月提出的概念。

他的推文主要阐述了两个观点：

1、AI辅助编程不是万能的(以Vibe Codeing为例，并非一段话就能生成完整可用的代码，仍然需要深入参与其中，为模型提供更详细的上下文，甚至是供模型学习参考的demo)。

2、较为可行的AI辅助编程方法，是建立一个完善的结构模型，根据具体场景采用不同方法(简单需求让AI自动补全；大规模代码生成交给Claude或Cursor；复杂的难题则交给GPT-5 Pro，让它深入思考甚至深度研究)。

用池建强老师的话来说：不要幻想有一个万能的AI工具能解决所有编程问题，更可行的方法是建立一个三层结构，让不同工具在不同场景各司其职，像接力赛一样完成开发任务。

目前的各种AI IDE虽然功能已经很强大了，但依然存在一些问题，最典型的就是太过热情。

怎么理解呢？当你用到它的代码补全功能时，你会发现它会多出一些没必要的代码或内容，这会让你将一部分精力花在检查并去除多余部分方面，这样很容易打断编码思路。

在推文中，Andrej Karpathy提出了一个全新的名词：后代码稀缺时代。

简单来说，在AI IDE功能越发强大的时代，生成和修改删除代码的成本趋近于零，代码不再是软件工程和产品的稀缺资源，原来设计-编写-测试的成本被AI大幅度降低。

以前你写完代码，需要编译打包部署提交测试验证，现在你完全可以让AI生成，然后直接运行验证，不通过直接删除重写。

需要注意的是，AI写的代码质量没那么“优雅”。Andrej Karpathy给出了很典型的例子：AI会滥用try/catch、生成的代码又长又冗余、喜欢堆砌复杂的抽象，这和我们对软件工程的严谨和逻辑性要求背道而驰。

在推文中，Andrej Karpathy也提到了对“后代码稀缺时代”的忧虑。

因为代码不再稀缺，工具更新迭代太快，但人的精力有限，很容易造成“我被时代抛弃被AI淘汰”的焦虑。

每一轮技术革命特别是前期，人总是会处于这种矛盾状态。既担心新技术工具颠覆已有的秩序，又担心自己学不会跟不上新技术的速度，最后被淘汰。

对此，我个人的看法是，这种矛盾状态是阶段性的正常现象，不用太过焦虑。

像我现在，日常工作生活中，AI已经成为了一个不可或缺的助手。

比如我会让AI帮我拉取大A的成交数据和我关注板块资金流动，生成报表。

比如星球里每天更新的AI最新资讯，就是通过心响的定时任务自动生成的。

比如我要更新一篇文章，我会把自己的思路和内容大纲发给AI，让它花十来分钟深度研究，我的重点是关注它分析和研究的结构和逻辑。

比如前几天更新的关于Vibe Coding的内容，我就将自己的想法和大纲发给它，观察和学习它深度研究的结构和逻辑，如下图：

最后，我个人的建议是，我们更应该将精力放在学习和尝试不同的AI工具方面，找到适合自己的工具，将AI工具组合成为你的工作能力，这才是我们赶上这一波AI浪潮，成就自己的核心。