Vibe Coding 和严谨工程之间的界限正在模糊，这让我有点不安

原文来源：Vibe coding and agentic engineering are getting closer than I'd like — 随着 AI 编码代理越来越可靠，Simon Willison 发现自己对生产环境中的 AI 生成代码的审查也越来越少，这既是好事也是隐忧

很长一段时间里，我一直认为"Vibe Coding"和"Agentic Engineering"之间有一条清晰的界线。

Vibe Coding 是指那些非程序员（甚至包括有经验的开发者）在写代码时不审查 AI 的输出，完全信任模型。代码质量？不关心。安全性？反正只有自己用。它的适用范围很清楚：只有你自己用的工具。如果出了 bug，受害者也只有你自己。Vibe Coding 是个人生产力的放大器。

Agentic Engineering 则是专业软件工程师使用 AI 作为强大辅助工具，同时对安全性、可维护性、运维和性能承担全部责任。你让 AI 写代码，但每行都要过你的眼睛。

但最近发生了一件让我不安的事：这两者之间的分界线正在悄悄模糊。

信任的滑坡

我太了解 Claude Code 了。当我在终端里输入提示，它生成一个从 SQL 查询到 JSON API 的端点——我知道它大概率会做对。它做到了，我又测试了几个端点，都正确。于是我没审查就交付了。

然后那种罪恶感就来了。

我不是在玩个人项目——我在构建真实的、给别人用的系统。过去，我把这条线画得很清楚：个人项目可以 Vibe Coding，生产系统必须逐行审查。但现实是我开始跳过审查了，因为代理实在表现得太可靠。

"Claude Code 没有专业声誉——但它一次又一次地证明了自己。它反复地处理那些直截了当的任务，以我喜欢的风格正确完成了。"

问题就在这里：每次模型输出正确代码而你放松警惕，你就朝"越界"迈出了一小步。 这在行为心理学里叫"偏差的正常化"，你先是允许一点点偏差，然后偏差成为常态，直到某天你跨越了真正的安全边界。

质量信号失灵了

过去，评价一个开源项目的质量有相对可靠的信号：100 次提交、完善的 README、自动化测试……你可以合理推断开发者在上面投入了大量心血。

现在我可以半小时内生成一个包含 100 次提交、精美 README 和全面测试的仓库。

更可怕的是：连对我自己的项目，我有时都分不清哪些是 AI 写的，哪些是我手写的。

我意识到现在真正在意的信号变成了："我希望有人实际使用过这个工具。如果一个人两天前用 AI 写了一个东西，但他每天都用它，那对我来说比一个刚从流水线里产出的完美项目更有价值。"

这是对"使用证明"的重新定价——当代码生产的门槛降为零时，真正有意义的是实际使用的痕迹，而不是代码本身的质量信号。

瓶颈转移到了别处

如果你从每天产出 200 行代码变成 2000 行，什么会被打破？

整个软件开发生命周期，原来是围绕"一天只能写几百行代码"这个前提设计出来的。

瓶颈在向两端转移。向上游，架构设计变得更重要——因为代码本身不稀缺了，错误的设计决策成本更高了。 一旦 AI 能快速实现任何方案，糟糕的架构会在几小时内而不是几周内暴露出来。向下游，测试、部署、运维变得更具挑战性——每单位代码量，你需要投入更多精力在这些环节上。

Anthropic 的 Jenny Wen 有一个很好的观察：传统设计流程假设数周或数月的工程工作会紧随一个错误决策，所以"把设计做对"至关重要。现在构建成本大幅下降，设计过程可以变得更实验性——试错的边际成本接近于零，所以你可以尝试更多方向。

这听起来是好事，但别忘了：实验变多意味着你需要跟踪的路径变多了，变复杂了。

为什么我还不太担心我的职业

坦白说，这段经历并没有让我担心自己的工作会被 AI 取代。反而让我更清楚地看到了我的核心竞争力在哪里。

AI 放大的是你已有的经验：知道自己在做什么的人，用这些工具能跑得非常快。工具是放大器，不是替代品。

写软件的哪些环节仍然困难？

• 需求定义 —— 你知道你要解决什么吗？
• 正确性保障 —— 你的代码在边缘情况下还正确吗？
• 处理非预期情况 —— 当输入不是你预期的那样时，系统会崩溃吗？

这些问题不会因为 AI 变得更聪明就自动消失。它们需要的是对问题域的理解——而这种理解来自于经验、与用户沟通、对业务逻辑的洞察。这些东西是 AI 通过阅读你的代码无法获得的。

设计师的新启示

Matthew Yglesias 的一条推文引起了我的共鸣：

"五个月下来，我觉得自己并不想要 Vibe Code——我想要的是专业管理的软件公司利用 AI 辅助编程来打造更多/更好/更便宜的软件产品，然后卖给我。"

这其实指向了一个更深的洞察：最终用户要的从来不是代码，而是可靠的软件。当 AI 让写代码变得极度便宜时，"可靠"的价值会上升而不是下降。 好软件的稀缺性不在于代码，在于对正确性的责任感和对复杂系统的掌控力。

我的应对策略

我现在的做法是刻意保持一种紧张感：

• 对 AI 生成的关键代码段，即使它看起来正确，我也有意挑几行仔细推敲一下
• 允许自己信任代理处理样板和常规逻辑，但对涉及数据完整性和安全性的路径保持警醒
• 花更多时间在设计评审和需求澄清上——因为这些是代码生成再快也替代不了的环节

这不完美。我会犯错。但我至少知道自己正在做什么决定。

Vibe Coding 和 Agentic Engineering 之间的界线或许永远不会完全消失，但它正在变成一个渐变的灰色地带——而不是一个清晰的分水岭。在这个地带里，判断每一段代码该不该审查的能力，本身就是最重要的技能。