AI编码模糊边界：外行玩法混入专业开发

2026年5月，新加坡一场播客里，有25年编码经验的Django联合创始人Simon Willison承认了一件颠覆行业认知的事：他开始把AI生成的生产环境代码当成「半黑盒」用——就像信任公司里另一个团队的产出，不到万不得已绝不看具体实现。而就在不久前，他还把两种AI编程模式分得泾渭分明：一种是外行式的「Vibe Coding」——不管代码质量，能跑就行，用在生产环境是「极其不负责任」；另一种是专业的「Agentic Engineering」——工程师在安全、性能约束下用AI，对每行代码负责。现在这两条线，居然开始重叠了。

从「许愿式编程」到「半黑盒协作」

Vibe Coding这个词，是2025年由AI专家Andrej Karpathy提出的——开发者对着AI说需求，直接用生成的代码，不看、也可能看不懂具体实现，跑通就庆祝，跑不通就再让AI试一次。这种「许愿式」玩法原本只适合个人小工具，毕竟坑的只有自己。但2026年以来，随着AI代码生成准确率突破90%，不少专业工程师开始把这套逻辑搬进生产环境。

Simon Willison就是其中之一。他发现，现在AI写的代码越来越可靠，自己不再逐行审查，甚至把AI当成「另一个团队」：只要功能正常，就先接入系统，出了问题再去查「AI的Git仓库」。他把这叫做「偏差正常化」——AI每一次写对，都让下一次的盲目信任变得更容易。

但这种信任是有边界的。他会亲自审查所有安全相关代码，「把安全责任完全外包给AI，是极其不负责任的」。这种判断需要25年的工程经验积累——知道哪些代码是「承重墙」，碰不得。

代码质量的新标尺：用了才是好代码

传统软件开发里，判断一个项目靠不靠谱，看的是提交次数、测试覆盖率、文档完整性——这些指标代表了开发者的心血。但AI改变了游戏规则：现在半小时就能生成一个有上百次提交、完整测试和精美文档的仓库，看起来和人类呕心沥血做出来的一模一样。

Simon Willison开始用一个更朴素的标准判断代码质量：有没有人真的用过它。「如果一个Vibe Coding出来的工具，开发者自己已经用了两周，那它的价值远高于一个刚生成的、看起来完美的项目」。

这背后是AI带来的效率爆炸：以前开发一个功能要等两到四周，现在只要两到四小时。但效率提升的同时，新的瓶颈出现了——整个软件开发生命周期都是围绕「人类一天写几百行代码」设计的，现在AI能一天生成几千行，从设计、测试到部署的全流程都需要重构。比如以前设计流程要反复评审，怕做错了改起来成本太高；现在构建一个原型只要几小时，设计团队可以承担更大的风险。

工程师的新角色：从写代码到管AI

AI没有完全取代工程师，反而放大了经验的价值。有25年编码经验的人，能更精准地给AI下达指令，知道哪里该踩刹车；而新人则不用再死磕分号报错——把错误信息贴给AI，就能立刻得到答案，「死磕分号五小时」的挫败感被彻底磨平了。

但新的隐忧也在出现：长期依赖AI生成代码，工程师可能会丧失对代码的「本体感觉」——那种通过亲手编写和重构代码，感知架构缺陷、逻辑漏洞的直觉。就像开车的人依赖导航，慢慢会失去认路的能力。

行业里开始出现一种新的协作模式：「人机结对编程」。AI负责查资料、写基础代码，人类负责敲键盘、把控方向。比如你要写一个正则表达式，AI会立刻给出语法，你则专注于逻辑本身。这种模式既保留了人类的决策能力，又发挥了AI的效率优势。

当AI代码的准确率越来越高，当「Vibe Coding」和「Agentic Engineering」的边界越来越模糊，软件行业正在经历一场悄无声息的范式转移——从「人写代码」转向「人管AI写代码」。

Simon Willison至今仍对这种变化感到不安：「AI每次写对，都让我更容易在未来盲目信任它」。但他也承认，这是不可逆转的趋势——就像当年开发者开始信任操作系统、信任第三方库，现在只是把信任的对象换成了AI。

代码正在贬值，判断力正在升值。