晚上好,
最近,我看到一篇文章,提到作者所在的公司已经开始在技术面试中考核候选人对 AI 编程工具的使用能力。
过去的面试,是手写算法、刷 LeetCode 战绩,而现在有小部分公司已经不再这样,他们会给出一个完整的功能需求,提供一台电脑,并允许候选人使用任何 AI 工具,在有限的时间内实现整个功能。
在这样的考场上,如果完全不用 AI 编程,除非手速快得惊人,否则几乎不可能完成,这还不考虑思考实现的时间。
这不是一个细枝末节的变化,而是一个清晰的信号:我们正式的进入一个新的工作范式——Vibe Coding 的时代。
接下来,我想从自己的经历出发,谈谈对这个时代的一些观察。
今年,我使用 AI 工具编写的代码量,已经远远超过了我自己亲手敲下的代码量。越来越多的时候,我的主要任务不是写代码,而是向 AI 描述需求。
大模型还不能独立完成复杂系统,但当我将一个庞大任务拆分成清晰的、原子化的子任务时,它的表现会大幅提升:
为了充分释放模型的能力,我的工作界面通常是多窗口并行:
Codex、Claude Code、豆包、Cursor、Gemini CLI、Qwen Code……
这些工具像“助手团队”一样协同工作,我会根据任务难度、模型在特定领域的优势,把工作分配给最合适的工具。
这样的工作方式,让我的开发效率至少提升了 三倍。
在某一周,我甚至消耗了将近 5 亿个 Tokens。
这不是炫耀,而是说明 AI 已经深度融入了我的开发流程。
很多人以为 AI 编程意味着把需求丢给模型,让它一键生成。
实际上,情况恰恰相反。
大模型能否表现出色,取决于两个关键因素:
我越来越清楚地感受到:
在大多数企业的真实业务系统中,模型的上限,往往取决于使用者的下限。
你需要能够审查模型生成的代码;
需要告诉模型什么样的结构更清晰、什么样的模式更可维护;
需要确保它生产的不是“黑盒”,而是一个你愿意长期维护的系统。
如果对技术不够了解,也不对结果进行把关,那模型生成的代码,就可能成为一颗“暗雷”:
能不能跑?是否安全?是否可维护?
都没有答案。
所以 Vibe Coding 的核心不是“让 AI 接管”,而是“让使用者掌控”。
我很早就开始使用 AI 做编码工作。老实说,在今年之前,我常觉得大模型更像是一个“高级搜索”或“辅助工具”,它的准确率有限,能做的事也不够多。
但今年下半年,情况出现了明显的变化,很多大模型的能力又实现了一次质的飞跃。
对于日常的业务开发,它已经可以解决绝大部分模块;在小型企业里,它甚至能构建完整的业务系统底层。
然而,同样的工具,在不同人手中呈现出截然不同的效果。
有人觉得好用到不可替代,有人觉得错误百出、难以依赖。
差距不来自工具,而来自使用方式。
Vibe Coding 的方法论要求我们:要拆解任务,用模型能理解的方式表达需求;要教它如何做,而不是让它自己去推理并完成一切。
在众多行业中,视觉设计领域是 AI 最早产生深刻影响的地方之一。
今天,我们已经看到许多公司不再设置初级设计岗位,因为基础的图片创造与处理,大模型可以轻松完成:
短视频领域的变化更为明显。
在抖音上,你已经能看到大模型生成的脚本、配音、动画甚至完整视频内容。
电影特效、动漫制作、动效转场,都能看到 AI 的影子。
创作门槛被极大降低,而使用者的想象力与审美,成为新的关键。
AI 不只是改变工作方式,也逐渐成为生活中的基础设施。
在我的 MacBook 中,AI 甚至可以通过终端命令来接管操作系统中的许多繁琐工作:批量整理文件夹、查找并分类文件、批量重命名、合并或拆分表格。
这些过去需要脚本才能完成的操作,现在只需要一句自然语言。
回到最初的面试案例——从手写算法到实现一个完整功能。
这是一个缩影:
很多过去需要多年经验才能掌握的技能,现在大模型都能以极高的准确度实现。
设计、编码、创作……许多领域的基础门槛正在被迅速拉平。
但与此同时,另一种差距正在被拉大:
此外,大模型还能帮助人们快速理解一个全新的领域。
它不是浏览器那种信息“堆叠”,而是一个能够持续教学的导师,用通俗而系统的方式帮助你构建知识结构。
这让跨领域学习变得前所未有的简单。
无论是医疗、教育还是金融,AI 都正在深入其中:
每一个行业都在重塑自己。
我们身处一个高速变化的时代。
恐惧从来不是答案,被替代的永远是重复劳动,而不是思考能力。
如果我们能够掌握与 AI 协同的能力,能够拆解任务、表达需求、审查结果、训练自己的数字助手,那么我们就能在这个时代获得前所未有的力量。
这是一个“超级个体”崛起的时代。
也希望各位,都能找到属于自己的工作方式与节奏,在浪潮中稳稳站住、不断前进。