聊一聊Vibe Coding¶

职业发展与行业趋势篇¶

转行与职业规划¶

转行 AI 应用开发的现实思考¶

对于前端、后端或测试人员考虑转向 AI 应用/大模型开发：

1. 现状观察：身边成功从前端/后端/测试转 AI 大模型开发并拿到 offer 的案例极少，转行成功率较低。
2. ✅ 更可行的路径
   ：建议先凭借原有技术栈面试进入公司，拿到 offer 后，在现有工作岗位上逐步学习 AI 相关技能，在公司内部进行调整和转型，而非辞职全职学习。
3. ⚠️ 风险提示
   ：直接辞职全职学习大模型知识后求职，面试机会少，通过率低，还会卡学历和项目经验。

三个月转型大模型学习路线¶

第一阶段：死磕基础 把 Python 基础和简单的 API 调用吃透。

第二阶段：掌握两大框架和三大技能 两大框架是 LangChain 和 LlamaIndex。三大技能是指 RAG、Agent、模型微调。

第三阶段：实战项目 选择常见的大模型应用场景，做 2-3 个项目，例如 RAG 医疗问答、Agent 智能电商、智能客服等。

AI Agent 工程师成长路径¶

后端的存量竞争与 Agent 的增量竞争形成鲜明对比。6 年经验不是包袱，而是资产——结构化思维、系统稳定性、API 设计，这些都是写好 Agent 的基石。

参见第 17 章《AI Agent 工程师成长指南》的详细内容。

Vibecoding 成瘾与价值危机¶

核心现象与问题¶

Vibecoding 成瘾指一种依赖 AI（如通过频繁输入指令生成代码）进行高强度、看似有产出的工作模式。它提供了"在创造"的心理防御，并受到部分社会文化（如硅谷）的推崇。

但这种模式与 赌博在机制上高度相似： - 追求"下一个提示就完美"的即时反馈 - 忽略隐藏的技术债务 - 产生心流而忘记时间，沉浸在"高效"的错觉中 - 实际效率可能更低，陷入指令-修补的浅层循环

根本问题在于：当 AI 使基础"思考"成本趋近于零时，人类思维的价值何在？ 大多数人若仅与 AI 进行浅层协作（指令-修补循环），其价值增量有限。

价值水位线与"费米能级"¶

AI 的普及划定了一条不断上涨的 价值水位线。低于此线的技能与经济价值会迅速"蒸发"而非缓慢贬值。这本质上是 "人类社会费米能级" 的抬升，区分了任务执行者和系统定义者。

出路与应对策略¶

真正的稀缺品是 愿景 和 构建独特原初问题空间 的能力。

应对的关键在于 提升核心认知能力： - 定义复杂问题的敏锐度：在模糊和不确定性中快速定位核心矛盾 - 在模糊情境下做关键判断的决断力：不依赖 AI 的"平均答案"，敢于做出判断 - 跨领域知识整合与新框架创造的创造力：将不同领域的知识融会贯通，创造新范式

AI 编程能力分化与程序员未来¶

Redis 之父 Antirez 的立场转变¶

Redis 之父 Antirez 曾极度抵触 AI，2020 年辞职写小说，甚至创作 AI 导致失业、经济崩塌的题材。然而 2024 年底他彻底转变，承认 "写代码的动作本身正在迅速贬值"。

AI 在编程中的能力与局限¶

能力： - 高效完成硬核系统编程任务，如修复 Redis 的 TCP 死锁 Bug - 5 分钟写出纯 C 语言的 BERT 推理库，性能仅比 PyTorch 慢 15% - 20 分钟复现 Redis Streams 的内部架构重构 - 是"知识冷启动"的解决利器，能快速处理需要啃大量文档的任务 - 在写包装器、样板代码等重复性工作上效率"统治级"

局限： - 本质是"插值引擎"，依赖训练数据，在未知领域或需要发明全新算法时表现极差 - 易产生"理解的幻觉"：若输入文档有逻辑漏洞，会放大成代码的结构性缺陷 - 在复杂逻辑重构场景下会崩溃

程序员的阶级分化与未来类型¶

生产力分化： - 初级程序员：借助 AI 生产力暴涨 40%，因为 AI 能填补基础语法空白，充当"全知导师" - 资深大神：仅涨 8% 甚至负增长，因为他们的工作多在 AI 训练数据覆盖少的"无人区"，AI 输出的是"平均水平的垃圾"，需花大量时间审查纠错

未来两类程序员：

编程核心的转移：从"敲代码"到"构建"¶

编程的核心正在从"敲代码"转向"构建"，需要区分 "劳役（Toil）" 和 "工作（Work）"： - 用 AI 消除劳役（写包装器、测试数据、样板代码） - 保留解决顶级难题的"编程火焰"——从无到有构建系统、解决难题后的成就感

个人发展建议：

1. 深入理解底层原理：手撕竞态条件、关注指针内存地址，这是 AI 无法替代的"岩石"部分
2. 学会"大脑转储"：向 AI 注入隐性约束和设计品味
3. 保持"人在回路中"：手动搬运 AI 生成的代码以强迫自己审查，避免"理解的幻觉"
4. 在"前沿真空区"采用"手动 RAG"：先写清晰文档再让 AI 发挥

AI 生成代码的规模激增¶

今年的代码从 GitHub 上看，原来只有 30% 由 AI 编写，到今年年初 GitHub Copilot 4.6 版本以后，现在据说 GitHub 上的代码已经 70% 来自 AI 了。预计到今年年底，这个数字能达到 90% 到 99%。

岗位要求的变化¶

绝大多数公司在招聘执行岗位时，内部高层管理层都在讨论一个要求：必须会 Web Coding。说白一点，就是必须会用 Cursor、Claude Code 或 Codex。

程序员这个岗位，从目前这些大厂的行为来看，可能撑不到 2027 年。以后在大厂做程序员这件事会逐渐消失。但 编程这项技能不会消失，写代码的需求也不会消失。未来的岗位应该是：程序员也会去做需求，往产品岗转型；设计师也会做开发，往综合型人才转型。核心是 成为综合型人才，而非纯粹的编码者。

AI 工具的两条路线之争¶

目前业界存在两个派系： - 封装派（套壳派）：如 Cursor、Windsurf 等，强调工具封装和易用性 - 底模型派（核心派）：如 Claude Code、GPT，强调直接与底层模型交互

底模型派的观点认为，当模型足够强以后，封装外壳的意义会减弱。因此建议从命令行直接掌握 Claude Code，做到能独立开发产品并上线。

市场信号与个人行动¶

独立开发能力正在成为求职亮点。已有设计师背景的同学凭借独立开发并上线的产品经验，拿到大厂 70 万年薪 的 offer。年底行业预计将迎来大量 AI 相关岗位缺口。

中美 AI 竞争格局¶

英伟达 CEO 黄仁勋将 AI 产业比作"5 层蛋糕"，从下到上分析了中美在各层的竞争态势：

评论