这是一篇再国外讨论非常火的帖子，我觉得不错所以把它翻译成了中文。
大语言模型和ai只能提的发展衍生出了一个东西叫"vibe coding"（氛围编程）——用自然语言描述需求，让AI生成代码，看起来不用写代码就能做出产品。
但这玩意儿本质上是个陷阱。它培养的不是开发者，而是一群只会生成代码、却看不懂也改不了代码的"中间商"。
对新手来说，这不是什么职业捷径。这是条断头路，而且很多人正往里冲。
氛围编程到底是什么
简单说就是往AI里灌提示词，一直生成到程序"能跑"为止。不写代码，不调试，只管不停重新生成。
有个独立开发者把这叫"coding without coding"（不编程的编程）。
问题在于它让人跳过了最关键的成长阶段。问题拆解、debug能力、系统设计这些基本功全都被提示词工程替代了。
结果就是产生一种虚假的能力感——能输出代码，但完全驾驭不了。等代码出问题（肯定会出），你手里啥工具都没有，也不知道问题出在哪儿。这根本不叫编程，这叫把自己的理解能力外包出去。
效率提升是个彻头彻尾的谎言
METR最近做了个研究，让AI协助经验丰富的开发者完成246个真实编码任务。开发者主观感觉自己快了20%，觉得效率大涨。
实际结果呢？生产力下降了19%。
主观感受和客观现实之间差了整整39个百分点，为什么？因为AI生成的代码就是个雷区，只有39%能直接用。你以为省下的时间，全都十倍奉还在审查代码、修bug、理清AI犯的各种低级错误上了。
真实案例：一次彻底的崩盘
氛围编程失败的时候不会温柔地报个错，而是整个系统性崩溃。
有个独立开发者用AI搞了个完整的SaaS产品，在X（Twitter）上火了一阵子，被吹成"无代码运动"的典范。
几周之后就塌房了。
用户开始绕过付费订阅。数据库记录开始损坏。某个安全研究员发现他的API密钥直接暴露在客户端。
代码对他来说就是黑盒。因为他看不懂，所以改不了，修不好。面对一个自己生成却完全不理解的系统，他唯一的选择就是把整个产品关了。
这不是偶然事件，是必然结果。安全专家确认AI生成的代码到处都是经典漏洞：SQL注入、访问控制形同虚设，该有的问题一个不少。
教训很残酷：没有基础，AI不是加速器，是风险放大器。
许愿精灵的陷阱
氛围编程的核心问题在这儿：
AI像个精灵，它只按字面意思执行指令，从不管你真正想要什么。它会给你任何你要的东西，但代价是隐形且致命的。
在不懂安全的情况下让它"做个登录系统"，它会很高兴地给你造一扇漂亮的门，只是没装锁而已。等被入侵了你才发现自己根本不知道怎么补救。你不是建筑师，只是个拿着坏掉魔法灯的普通人。
这就引出了AI的核心悖论：
AI在最不需要它的人手里才最强大。
AI是技能的乘数而非替代品。基础不牢的话，你建立的不是职业生涯，是随时会倒的纸牌屋——模型一更新或API一改就塌。
这不是什么职业道路，这是让自己成为最容易被淘汰那个人的最快方式。
新手正在被批量去技能化
初级开发者是AI炒作周期里第一批受害者。氛围编程没在教他们当工程师，而是在培训"代码组装工"。
这些人会提示词，但看不懂代码逻辑，更别提修复问题了。他们错过了那些痛苦但必要的磨练过程：漫长的debug、架构讨论、一点点建立起来的系统性认知。
现在市场上训练营出来的新手已经泛滥了，氛围编程只会让竞争力更差。
AI不会取代真正的开发者，它只会淘汰那些本来就不算开发者的人——那些能提示出方案、却在周二凌晨2点系统崩溃时束手无策的人。
技术债的定时炸弹
氛围编程就像借高利贷搞开发。
它给你功能上线的即时满足感，但在代码库里埋了一堆没法维护、没有文档的垃圾代码。账总会要还的，半年后就会以通宵改bug和项目延期的形式找上门。
AI生成的代码通常是这样：
臃肿。三行能搞定的事情写了十行。混乱。没注释，结构不清晰。脆弱。简单场景能跑，碰到边界情况就崩。不安全。到处是人类一眼就能看出来的安全漏洞。
真正的痛苦在后面。代码肯定会坏，到时候得有人修。那个人可能就是你。
你得在一团乱麻里翻找，git提交信息就写着"AI fix"，试着理解机器当时在想什么。debug花的时间能是AI写代码时间的十倍。
你以为在做产品，实际上在给自己挖坑。
谁在贩卖这个梦
说实话，给你兜售"氛围编程"梦想的都是些什么人？
需要流量的网红 、卖课程的培训机构、靠你急着找工作焦虑赚钱的骗子。
他们展示十分钟做出来的华丽demo，但从不让你看下面那堆没法维护的烂代码。卖给你的是精剪过的高光时刻，不是真实情况。
新手开发者是他们的精准目标。你买单是因为急着往前走，但买到的不是技能——你在用廉价的短期成就感换职业生涯。
他们不会告诉你的残酷真相是：
最会用AI的人恰恰是最不需要它的那批人。他们是用AI加速而非猜答案的专家。
正确的使用方式
道路很明确：AI是工具不是替身。用它加速工作而不是代替思考。你才是专家，AI只是助手。
用它增强能力而不是取代能力，这里有几个原则：
✅ 永远验证，从不盲信
把AI生成的每行代码都当成实习生提交的PR，你还不太信任那种。你是最终审核者，对上线代码负责的是你不是AI。
✅ 定期脱离AI编程
每周至少一次从零开始解决真实问题。不能让核心能力退化。如果只能靠AI写代码，那就不算真的会写代码。
✅ 能解释才算真懂
如果写不出清楚的注释来说明AI代码为什么work，就说明你理解得不够深。这是检验真实理解程度的试金石。
✅ 把AI当学习材料而非答案
AI生成了聪明的解决方案时别直接复制，深挖"为什么"——用了什么设计模式？调用了哪个库函数？这样才能把临时捷径变成永久技能。
✅ 基础永远是第一位的
AI是个变化的目标，你对debug、系统设计、安全原则的深度理解才是职业基石。工具会变，原则不会。
目标不是成为提示词大师，而是成为AI撞墙时能独立构建、调试、拿下问题的那个开发者。
这就是伪开发者和不可替代的人之间的区别。
最后总结
现在路分两条。
一条是氛围编程的轻松路：看似捷径实则通向依赖和脆弱根基的职业生涯。另一条更难：打磨真本事，掌握基本功，学会把AI当成力量倍增器而不是拐杖。
行业很快会充斥依赖AI的编码者，稀缺且不可替代的会是AI失灵时还能独立思考、定位问题、解决问题的那批人。
职业生涯别建在捷径上。建在扎实的技能上，你就会成为AI替代不了的那种开发者。
https://avoid.overfit.cn/post/2a46955681c246d3a1a3ef19db7ae8f6
作者：Paolo Perrone
