AI 时代程序员的转变

过去更注重编程细节以及如何实现，现在 AI 在实现上和细节上已经更好，现在程序员更看重以下两点：

用自然语言来编程

Vibe Coding，直译感觉编程或氛围编程，它有两个核心特征：

用自然语言编程，无需学习编程语言直接用中文或英文与 AI 对话，描述需求，AI 就会产生代码。
为什么叫氛围或感觉，因为描述是模糊的、主观的、带情感色彩的。比如 “界面要简洁大气”，这些感觉而非精确指令，AI 都能理解并转换为代码。编程的门槛正在从“精通语言”向“表达意图迁移”，过去必须掌握编程语言的每个细节，容不得一点模糊（比如变量声明、循环结构、条件判断、函数调用等等这些语法元素构建完整逻辑，即使少一个冒号都可能会让程序无法运行）。

而 Vibe Coding 不同，它的核心是意图表达而非精确控制。无需告诉计算机每一步怎么做，而是用自然语言描述“想要什么”（What）和“期望的感觉”（Vibe）。AI 理解意图和氛围感，生成符合预期的代码。

传统编程和 Vibe Coding 对比：

传统编程中，开发者是翻译者把想法翻译成计算机能理解的代码，Vibe Coding 中，AI 承担了翻译者的角色，开发者只需清晰表达意图和期望的感觉。

在以前，计算机听不懂人类的自然语言。现在大模型的出现改变了这一切。

大模型不仅能理解自然语言，还能捕捉其中的措辞差异推理出隐含意图。同时还具有强大的推理能力，可以进行 Step By Step 的逻辑推导，从高层次意图推导出具体实现方案。

这是传统编程方式无法做到的，而且当大模型遇到不确定选择时，还会主动询问，比如询问使用哪种数据库。

同时也不同于过去的低代码工具，低代码本质上是让用户在预定义组件去选择和组合，能力边界一开始就固定住了，而 Vibe Coding 则可以真正理解想要做什么然后自主生成实现方案。

Vibe Coding 最大的问题在于：它无法保证代码绝对正确，也无法保证自生成的测试程序能充分校验代码。它很难发现自己的逻辑漏洞。

根源在于 AI 的思维惯性，当 AI 按某种逻辑编写代码时，生成的测试用例会延续同样的思路，是一种恶性循环，可能在一些并发场景和边界情况才能发现问题所在。

也就是：Vibe Coding 改变了编程方式，但没有降低对开发者的要求。（精通语法 -> 理解架构、编写代码 -> 表达意图、质量把关）

总而言之，现如今开发者更需要注重对业务、架构的理解，才能更好的借助 AI 去实现产品以及构建测试方案和质量把关，AI 目前更多的来说只是助手，最终的质量把关仍然需要人来完成，不能过于信赖 AI。

Spec-Coding 是 Vibe Coding 在大型项目中的进化形态。核心思想是：先用自然语言编写详细的设计文档，然后让 AI 基于这些文档生成代码。也就是增加了一个中间层：设计文档。

需求 -> AI 协助生成设计文档 -> AI 基于文档生成代码 -> 人工审核

当项目逐渐演进，纯 Vibe Coding 会遇到几个问题：

Spec-Coding 通过设计文档解决了这些问题，文档充当 AI 的记忆、团队的契约、技术规范、审核标准等等。也体现出了其中的价值：文档是生成代码的必经之路。

Spec-Coding 不是用来取代 Vibe Coding 的。他们经常被混合使用。