最近在網(wǎng)上看到一篇 Anthropic 研究員 Erik Schluntz 的演講，叫《Vibe Coding in Production》，覺(jué)得寫(xiě)得很深刻。

很多人以為，用 Cursor、Copilot 寫(xiě)代碼就是 vibe coding 了。但他認(rèn)為大多數(shù)都不是。

他指出了幾個(gè)根本性的轉(zhuǎn)變：什么叫真正的 vibe coding、AI 能力正在以什么速度增長(zhǎng)、以及我們應(yīng)該用什么策略去應(yīng)對(duì)。我覺(jué)得這些東西對(duì)未來(lái)幾年都很有幫助，整理了核心觀點(diǎn)，分享出來(lái)。

（一）

Andrej Karpathy 給了一個(gè)很精準(zhǔn)的定義："完全沉浸在 vibe 中，徹底忘記代碼的存在。"

不是"AI 幫你寫(xiě)代碼"，是"忘記代碼的存在"。

Schluntz 說(shuō)得更直接：只要你還在逐行審查 AI 寫(xiě)的代碼，你就沒(méi)有在 vibe coding，你只是換了個(gè)更貴的 IDE。

真正的 vibe coding 是：你跟 AI 說(shuō)清楚要什么，它出結(jié)果，你只看結(jié)果對(duì)不對(duì)。代碼長(zhǎng)什么樣你不關(guān)心。就像打車，你關(guān)心的是到?jīng)]到目的地，不是司機(jī)怎么握方向盤。

大多數(shù)工程師還停在過(guò)渡期的開(kāi)頭，真正的范式轉(zhuǎn)移根本沒(méi)到。

（二）

Schluntz 給了一個(gè)數(shù)據(jù)：AI 能獨(dú)立完成的任務(wù)時(shí)長(zhǎng)，每 7 個(gè)月翻一倍。

現(xiàn)在能穩(wěn)定執(zhí)行 1 小時(shí)的編程任務(wù)。7 個(gè)月后半天。再 7 個(gè)月一整天。再往后一周。

當(dāng) AI 一次性扔給你相當(dāng)于一周工作量的代碼，你還要逐行審查嗎？人類會(huì)成為整個(gè)鏈條里最慢的那個(gè)環(huán)節(jié)。

這跟編譯器的發(fā)展史一模一樣。早年程序員寫(xiě)完 C 語(yǔ)言還要看生成的匯編對(duì)不對(duì)，后來(lái)編譯器越來(lái)越靠譜，堅(jiān)持看匯編的那批人被淘汰了。AI 寫(xiě)代碼，就是今天的編譯器。區(qū)別是，這次抽象層更高，變化更快。

（三）

Schluntz 整個(gè)演講的精華，就是一句：找到你能驗(yàn)證的抽象層。

CEO 怎么管公司？看財(cái)務(wù)指標(biāo)。CTO 怎么管技術(shù)？看驗(yàn)收測(cè)試。產(chǎn)品經(jīng)理怎么管功能？直接體驗(yàn)產(chǎn)品。沒(méi)有一個(gè)人在看代碼。

所以用 AI 寫(xiě)代碼的核心問(wèn)題不是"AI 寫(xiě)得對(duì)不對(duì)"，而是——你在哪一層能判斷對(duì)錯(cuò)？

能通過(guò)跑測(cè)試驗(yàn)證，就不用看代碼。能通過(guò)體驗(yàn)產(chǎn)品驗(yàn)證，就不用跑測(cè)試。能通過(guò)用戶數(shù)據(jù)驗(yàn)證，就不用親自體驗(yàn)。

找到那層，就在那層工作。往上走，別往下鉆。這不是放棄責(zé)任，是重新定義責(zé)任邊界。

（四）

這可能是對(duì)創(chuàng)業(yè)者最有用的實(shí)操策略。

Schluntz 把代碼庫(kù)分成兩類：主干架構(gòu)（核心邏輯、底層接口、被大量模塊依賴的部分）和葉子節(jié)點(diǎn)（末端功能、附加組件、不被任何模塊依賴的部分）。

策略很簡(jiǎn)單：葉子節(jié)點(diǎn)讓 AI 隨便寫(xiě)，有點(diǎn)技術(shù)債無(wú)所謂。主干架構(gòu)必須人工守住。

在"放手"和"控制"之間找到了最優(yōu)解——不是把整個(gè)項(xiàng)目交給 AI（那是找死），也不是完全不信任 AI（那是浪費(fèi)）。按風(fēng)險(xiǎn)分層，低風(fēng)險(xiǎn)的全力交出去。

極端案例：Anthropic 團(tuán)隊(duì)合并了 22,000 行 Claude 寫(xiě)的代碼，原來(lái)兩個(gè)工程師花兩周逐行審查，壓到了一天。四招：開(kāi)工前需求規(guī)劃、限定葉子節(jié)點(diǎn)、核心邏輯人工審、建立可驗(yàn)證檢查點(diǎn)。

不是盲目信任，是有邊界的授權(quán)。

（五）

Schluntz 說(shuō)了一句我特別認(rèn)同的話：不要讓 AI 為代碼負(fù)責(zé)，讓工程師為產(chǎn)品負(fù)責(zé)。

以前的模式是工程師對(duì)代碼質(zhì)量負(fù)責(zé)。新模式是工程師對(duì)產(chǎn)品結(jié)果負(fù)責(zé)，AI 對(duì)代碼實(shí)現(xiàn)負(fù)責(zé)。

這意味著你需要的核心能力變了。以前是你得會(huì)寫(xiě)代碼，現(xiàn)在是你得會(huì)說(shuō)清楚要什么。他給了一個(gè)具體動(dòng)作：開(kāi)工前花 15 到 20 分鐘跟 AI 對(duì)齊。先讓 AI 探索項(xiàng)目結(jié)構(gòu)、找相關(guān)文件、把它對(duì)任務(wù)的理解說(shuō)出來(lái)、一起定計(jì)劃——再把上下文整合成完整的 prompt 再執(zhí)行。這么做之后，成功率是指數(shù)級(jí)提升。

好 prompt 不是寫(xiě)得長(zhǎng)，是上下文給得足。

（六）

這件事沖擊最大的，其實(shí)是小團(tuán)隊(duì)和創(chuàng)業(yè)者。

以前做軟件，技術(shù)團(tuán)隊(duì)是最大的門檻。有好想法找不到好工程師就做不出來(lái)?，F(xiàn)在這個(gè)門檻在快速降低。

未來(lái)的競(jìng)爭(zhēng)力不是"你會(huì)不會(huì)寫(xiě)代碼"，而是"你能不能清晰定義什么叫做完了"。

能說(shuō)清楚需求的人，就是未來(lái)的產(chǎn)品經(jīng)理。能說(shuō)清楚需求加能用 AI 交付的人，就是未來(lái)的全棧。

每次技術(shù)范式切換，都會(huì)有一批人因?yàn)闆](méi)轉(zhuǎn)過(guò)來(lái)而出局。不是能力不行，是心理模型沒(méi)更新。這個(gè)變化不會(huì)等任何人。

（七）

三件事現(xiàn)在就可以做：

第一，從今天起，在低風(fēng)險(xiǎn)模塊上放手。不要每行代碼都親自審，先從一個(gè)葉子節(jié)點(diǎn)開(kāi)始，讓 AI 跑，你來(lái)驗(yàn)收結(jié)果。

第二，學(xué)會(huì)在任務(wù)開(kāi)始之前跟 AI 對(duì)齊。不要上來(lái)就提需求。先讓 AI 讀懂背景，定好計(jì)劃，再開(kāi)工。

第三，想清楚你的驗(yàn)證層在哪里。你有沒(méi)有一套可以快速判斷"這事做對(duì)沒(méi)做對(duì)"的標(biāo)準(zhǔn)？如果沒(méi)有，這件事比學(xué) AI 工具更緊迫。

AI 的能力還會(huì)繼續(xù)提升，每 7 個(gè)月一倍。留給我們調(diào)整的時(shí)間，沒(méi)有那么多。

核心素材來(lái)自 Anthropic 研究員 Erik Schluntz 演講《Vibe Coding in Production》，推薦去看原視頻。

不管做產(chǎn)品、做技術(shù)還是做管理，這套思路都適用。轉(zhuǎn)給你覺(jué)得需要想明白這件事的人。