AI编程的模糊地带：靠谱与失控仅一线之隔

2026年5月的一个播客上，有25年编程经验的西蒙·威利森说了句让同行扎心的话：他现在分不清自己是在「氛围编码」还是「代理工程」了。

氛围编码（vibe coding），是指你哪怕不会写代码，对着AI说一句「我要个能统计外卖账单的工具」，拿到能用的东西就完事，根本不管背后的代码是什么样；而代理工程（agentic engineering），是专业开发者用AI当助手，死死攥着代码质量、安全这些底线，要给生产环境交付靠谱的系统。

曾经在西蒙眼里泾渭分明的两条路，现在居然拧成了一股绳。这到底是AI太好用，还是程序员正在失去对代码的掌控？

从「泾渭分明」到「边界消融」

西蒙最早是氛围编码的坚定支持者——他甚至写过文章说「氛围编码超棒，但得分场合」。在他的定义里，这是给非程序员的「玩具」：做个人用的小工具、快速验证个想法，能用就行，犯不上纠结代码里有没有隐藏的安全漏洞。而代理工程是「正经事」：专业工程师主导，AI只是帮着写重复代码、生成测试用例的助理，每一行要进生产环境的代码，都得经过人类的眼睛和经验把关。

但Claude Code这类AI工具的可靠性，超出了他的预期。让AI写个JSON接口、加个自动化测试，它总能精准输出符合要求的代码，甚至连注释和文档都能一并搞定。次数多了，西蒙发现自己不再逐行审查AI生成的代码——就像他以前用其他团队交付的组件一样，看一眼文档、跑通测试，就直接集成到项目里。

这种变化让他焦虑：AI没有职业声誉，也没法为代码负责，可自己却像信任同事一样信任它。更要命的是，这种「半黑盒」的工作方式正在变成常态——每一次AI不出错，就多一分下次偷懒的理由，这就是他担心的「偏差正常化」：习惯了省心，早晚会在不该偷懒的时候栽跟头。

效率狂欢下的暗礁

AI把程序员的产能推到了新高度：以前一天写200行代码，现在能写2000行。但效率的泡沫下，藏着没被看见的陷阱。

最直接的是安全风险。研究显示，45%的AI生成代码含有安全漏洞，SQL注入、硬编码密码这些低级错误屡见不鲜——AI只会模仿训练数据里的代码，却分不清什么是安全的写法。更隐蔽的是「认知债务」：AI生成的代码能运行，但结构混乱、注释缺失，时间一长，哪怕是写代码的人自己都看不懂。

还有技能退化的隐忧。Anthropic 2026年的研究发现，依赖AI写代码的开发者，在代码理解和调试测试中的得分比纯手工编码的人低17分。就像依赖导航的人会慢慢失去认路能力，习惯了AI「喂饭」的程序员，正在失去独立解决复杂问题的能力。

更值得警惕的是责任边界的模糊。以前代码出了问题，找写代码的人就行；现在AI写的代码出了bug，是算开发者的锅，还是AI厂商的责任？目前没有任何规则能回答这个问题——但现实里，最后扛下所有的一定是敲下回车的人类。

不是取代，而是「重新分工」

不过西蒙也承认，AI带来的改变不全是坏事。他现在能同时推进好几个项目，把AI当成多个并行的助理：让一个AI写前端界面，另一个写后端接口，自己只需要把控整体架构和关键逻辑。这种「人类做决策，AI执行」的模式，正在重构软件开发的流程。

一些企业已经开始摸索新的协作框架：不再要求开发者逐行审查代码，而是建立一套「代理管理体系」——就像餐厅主厨不会盯着副厨切菜，而是制定切菜的标准、检查最终的食材。开发者给AI设定好编码规范、安全要求，AI在框架内工作，人类只在AI出错或者遇到复杂问题时介入。

这种模式下，开发者的角色正在从「代码工匠」转向「AI编排者」：不需要写每一行代码，但要懂怎么给AI提精准的需求，怎么评估AI输出的质量，怎么在AI出错时快速排查问题。这不是技能的退化，而是技能的升级——就像马车夫不需要学会造汽车，但得学会开车。

当AI能写出越来越靠谱的代码，程序员的价值不再是「写代码」，而是「对代码负责」。就像医生不会被听诊器取代，厨师不会被料理机取代，开发者的核心竞争力，永远是对业务的理解、对风险的判断，以及解决复杂问题的能力。

人与AI的协作，从来不是谁取代谁，而是找到各自最擅长的位置。信任AI，但不依赖AI；利用AI，但掌控AI——这或许才是未来编程的正确打开方式。毕竟，代码的背后是一个个具体的用户，而能为用户负责的，永远是有温度的人类。