AI 都会写代码了,还要不要学传统编程了? (强烈建议阅读)

简介: AI时代是否还需学编程?狂师指出:非技术人重在“会用”——懂基础概念、能说清需求、会简单验收;技术人则必须“会判”——语法基础不能丢,但重心转向读懂AI代码、判断质量与风险。写交给AI,责任留给人。

大家好,我是狂师。

今天咱们来聊一个大家都非常关心的话题。

这两年 AI 编程火得不像话,会写代码的人天天用,不会写代码的人也开始拿它做东西。八岁小孩都能用 AI 做出游戏了,不会编程的设计师上线了自己的产品,一个人加一堆 AI 就是一家软件公司。然后一个问题被顶到了很多人面前,尤其是正在学技术的人面前。

AI 都会写代码了,现在学技术,还要不要学习传统编程?

我本身也是做技术知识分享的,这两年这个问题被问过很多次,问的人里有想转行做测开的,有在校的学生,也有干了几年开始慌的在职测试工程师。

刚好最近把最新测试开发方向的招聘要求翻了个遍,整理出了两百多道面试真题(后续会逐步开源发布到https://ai.testfather.cn/这个网站上),其实传统编程该不该学、该学到什么程度,企业早把态度写在招聘要求里了。

今天就来聊聊我个人的一点看法,分两种人讲,不靠编程吃饭的,和靠技术吃饭的人。

vibe coding 是真好用,先承认这一点

vibe coding 出来以后,写代码这事确实方便太多了,做工具、产品的门槛一下就降下来了,这点无可否认。

不会写代码的人,受益最直接。以前想做个自己的小工具,要么花钱找外包,要么干脆别想。现在把需求用大白话说清楚,AI 直接给你写出来,聊几句话的事。想验证个产品点子,周末花点时间就能捣鼓出一个能跑的 demo。

而会写代码的人,吃到的好处只会更多。你以为它只能帮你干造数、写 SQL 这种杂活,那就小看它了,现在的 AI 编程是能直接上手做完整系统开发的。你把一个功能的设计讲清楚,页面要哪些、接口怎么定、数据怎么存,它能把前后端一口气写出来。

不会写代码的人,现在能自己做软件了。会写代码的人,一个人能干原来一个小团队的活。

发明这个词的人,恰恰是最会写代码的那批人之一

vibe coding 这个词去年火遍全网,发明它的人叫 Andrej Karpathy,OpenAI 的创始成员,特斯拉的前 AI 总监,世界上写代码写得最好的一小撮人。

他给这个词配的玩法是,报错了把错误信息原样复制给 AI,看都不看,AI 给建议就全部接受,diff 也不读,用他的原话说,完全交给感觉。不过需要注意,人家玩这个,玩的是周末的小玩具项目,正经生产系统不会这么干的。

这个事细想挺有意思。为什么最会写代码的人,反而最先不看代码了。因为他随时看得懂。真出问题了一眼就能看穿,平时只是懒得看。他敢把「写」全部交出去,是因为「判断」一直捏在自己手里。

普通人照着学,就出问题了。你也不看代码,可你的不看和他的不看是两回事,一个是选择,看的懂,我不看,另一个是看不懂,没得选。

他交出去的只是敲键盘的活,你交出去的是整个判断权。AI 生成的东西对不对、好不好、能不能上线,他扫一眼就有数,你只能猜。

所以这个词的发明本身就是一个信号。写代码的动作,连最顶尖的人都开始扔了,没什么可惜的。但看懂代码、判断对错的本事,他们并没扔,反而越攥越紧。

代码的产量上去了,把关没有消失。把关的人从写代码的人,慢慢变成了读代码的人。

不靠编程吃饭的人,不用会写,但得会用

如果你不打算靠写代码吃饭,只是想让 AI 帮你做点东西,传统编程可以不学,但有几样东西值得花点时间弄懂。

具体要弄懂什么,大概四样。

一是基本名词,知道什么是接口、什么是数据库,程序跑在哪台机器上,数据存在什么地方,你的信息在谁手里。这些词如果不懂,AI 说的话你一半都听不懂。

二是把需求讲清楚,AI 是照着你说的做的,你没讲的它就自己发挥。至少要交代到,这个东西给谁用,正常流程怎么走,填错了输错了怎么提示,哪些情况要拦下来。

三是会做基本验收,东西做完,不能按钮全点一遍就收货。正常流程走一遍,故意输错一次试试,换台手机再打开看看,几个动作下来,东西的好坏大概就有数了。

四是安全和花钱的常识,别人的信息不能随便放着,云服务是按量收费的,哪些东西给别人用之前要多长个心眼。

用到什么程度算够呢。名词听得懂,需求讲得清,东西验得出好坏,明显的雷认得出,基本到这份上就够了。

就像租车自驾,你不用会修车,不用一定要对车的结构原理很了解,但怎么开车、交通信号灯这些基本常识和技能得要会。

靠技术吃饭的人,写交给 AI,判断留给人

前面说了非技术人不用一定要会写,但对于技术人来说,代码就是你吃饭的家伙,这个根基不能丢。

天天跟代码打交道的人,要是连代码什么意思都看不懂,那拿什么去判断 AI 写得对不对、好不好呢?所以基础语法、常用的写法,该懂的还是要懂,这部分省不得。

真正变的只是重心。以前学编程,七成力气花在记语法、抠细节上,现在这部分可以松一点,写的时候 AI 会兜底,有些功能实现忘了不会写,不用再像以前一样,去百度Google各种搜,现在直接问AI。

省下来的力气往哪放,往读和判断上放。AI 生成的代码,你要能看懂它在干什么,哪里写得聪明,哪里埋着坑,一眼扫过去心里有数,这个本事现在最值钱。

这个观点,但凡你去看看如今的招聘市场就明白了。以前面试爱考的那些所谓的八股文越来越少了,有所谓的“标准答案”、纯记忆的题只会越来越少。道理很简单,答案 AI 张口就能来的,考了区分不出人的水平。

而用白板讲框架分层、现场排查一段报错,这些题一道没少,反而问得更深,以前背个标准答案,运气好点的就能过,现在要你讲清楚为什么这么设计、错在哪一步、怎么改。还有一类是全新加进来的,你怎么用 AI 干活,AI 生成的代码你怎么保证质量,JD 里会用 AI 提效 已经写成了标配。

所以学的方式也彻底变了。

以前学编程是先抱语法书再动手,现在可以直接上手做东西,AI 帮你兜底,卡住了把代码丢给它问,这段为什么这么写、换种写法行不行,它随问随答,你只管追问细节。这是 AI 时代学编程最大的福利,身边多了一个不知疲倦还不会烦的老师。

光问不练还不行,判断力是练出来的。它每次生成的代码,逼自己读完理解再接受,看不懂的当场追问,判断错了被它坑一次,以后就长记性了。同一个需求,时间允许的情况下,最好的方式,是你先自己写一版或者起码是脑海里先有一个大致编码思路,再让AI 动手写一版,两版一对比,差异的地方就是你们各自的盲区。

回到问题本身

Karpathy 自己后来的说法也变了。到 2025 年底,他在分享里谈得更多的已经是 Agent 时代的工程。他说开发者要重新抓回架构设计和上下文的组织,代码的验收要回到人手里。

发明 vibe coding 的人先往前跑了,跑的方向恰好是编程里最难也最值钱的那部分,拆问题,定结构,做取舍,验结果。这个动向本身比任何辩论都有说服力。

所以回到问题本身,AI 都会写代码了,还要不要学编程?

我的建议分两点:

不靠编程吃饭的人,不用会写,但得会用。

靠编程吃饭的人,学还是要学的。只是从今天起,学编程这件事,重点从把代码写出来,变成了对代码负责。

目录
相关文章
|
2月前
|
域名解析 人工智能 网络协议
cloudflared,不需要服务器和公网 IP 的免费内网穿透,一条命令上手
本文详解 Cloudflare 官方内网穿透工具 `cloudflared`:零配置快速开通公网 HTTPS 地址(如 `xxx.trycloudflare.com`),支持临时隧道(免账号)与正式隧道(绑定自定义域名)。对比 ngrok、frp,突出其免运维、自动证书、全球边缘网络等优势,涵盖安装、实操及常见场景(Webhook 联调、AI Agent 对接、真机预览等),助开发者高效解决本地服务对外访问难题。
2200 0
cloudflared,不需要服务器和公网 IP 的免费内网穿透,一条命令上手
|
3月前
|
Web App开发 人工智能 编解码
AI 测试提效 | UI 自动化测不出样式 bug?分享 ui-visual-assert + Skill 视觉断言与多浏览器适配方案
本文介绍 `ui-visual-assert` 技能:在 UI 自动化中补全视觉断言,解决 DOM 断言无法发现的样式错乱、布局偏移、响应式断裂、多浏览器渲染差异等问题。AI 自动生成截图比对脚本、响应式视口与跨浏览器配置,支持像素级校验与基线管理,实现“功能+视觉”全维度校验。
325 2
AI 测试提效 | UI 自动化测不出样式 bug?分享 ui-visual-assert + Skill 视觉断言与多浏览器适配方案
|
26天前
|
Web App开发 人工智能 JavaScript
太猛了,一个月干到15W+,给大家推荐一个最近爆火的开源逆向工具:REA
REA(Reverse Engineer Anything)是近期爆火的开源AI逆向工具,4月发布,1个月内斩获15万+ Star。它让AI Agent无需源码即可分析二进制、APK、JS/Electron、HAR包等17类目标,自动反编译、生成可运行代码,并强制返回带证据与局限的结论。全本地执行,MIT协议,支持Hopper/Ghidra/IDA等引擎,一行命令即可上手。
1444 4
太猛了,一个月干到15W+,给大家推荐一个最近爆火的开源逆向工具:REA
|
4月前
|
运维 监控 关系型数据库
数据库连接池最佳实践:HikariCP参数调优与故障排查指南
HikariCP连接池配置不当不是小问题。最大连接数拍脑袋、超时参数不设、生命周期忽略,三个错误叠加会让系统突然雪崩。用真实故障复盘连接池调优。
|
2月前
|
人工智能 自然语言处理 API
Coding Plan和Token Plan有什么区别?阿里云百炼Token如何使用更省钱?
阿里云百炼的Token Plan与Coding Plan是两类独立订阅:前者按Credits统一计费,支持多模态模型及各类AI工具;后者为固定月费(200元),仅限交互式编程模型,限量抢购。官方推荐Token Plan,适用更广、更灵活。(239字)
292 1
|
2月前
|
人工智能 前端开发 测试技术
AI越来越强了,为什么测试人反而越来越累!(为打工人发声)
本文揭示AI时代测试工程师“越忙越累”的真相:研发、产品等岗位因AI大幅提效,而测试却成瓶颈——AI擅长“迎合”,测试重在“挑刺”;产能翻倍导致被测物激增,验证环节却难以规模化。文章呼吁理性设定AI提效目标,尊重测试在质量兜底中的不可替代价值。
355 1
|
2月前
|
人工智能 测试技术
公司从零开始推自动化测试,如何落地?
本文深度剖析团队自动化转型的底层逻辑:指出失败主因常是目标错位与管理缺位,而非技术本身。强调“三分技术、七分管理”,主张先对齐业务目标、小步试点、建立闭环与规范,并结合AI提效——但须严控生成质量与维护闭环。核心是将自动化打造成可持续演进的测试资产。
316 1
公司从零开始推自动化测试,如何落地?
|
2月前
|
人工智能 测试技术 API
最近全网爆火的 Jev 到底是什么?适合干什么、怎么用,一篇讲透!
Jev是TypeSafe AI推出的“系统一模型”,不生成文本,专做毫秒级结构化决策:Choice(多选)、Score(打分)、Noul(是非概率)。响应快193倍、成本低444倍,适合工单路由、内容审核、测试定级等高频判断场景。
3346 4
最近全网爆火的 Jev 到底是什么?适合干什么、怎么用,一篇讲透!
|
2月前
|
人工智能 监控 JavaScript
最近火爆出圈的,FDE 到底是个什么岗位?
FDE(前沿部署工程师)是AI时代新型复合岗:驻客户现场,贯通技术与业务,主导大模型在真实场景的端到端落地。需兼具AI应用开发、工程化交付与业务沟通三大能力,非单纯“调API”或售前角色。高薪热门,但重实战、重结果。
2797 2
最近火爆出圈的,FDE 到底是个什么岗位?
|
2月前
|
人工智能 运维 安全
AI行业这一周:Agent竞速加速,安全共识却让Altman、Musk罕见站在了一起
过去三天,AI行业呈现“竞速”与“刹车”并存的矛盾图景:企业级Agent加速嵌入工作流,华为、飞书等密集发布;资本市场却对纯故事估值降温;Anthropic等巨头罕见呼吁放缓前沿模型迭代,安全治理共识初现。
222 26

热门文章

最新文章