但 65% 的開發者說 AI 最大的問題是"缺失上下文"——AI 不知道你的項目全貌 ，而是因為 AI 寫得又快又好 。需要理解的部分永遠需要人 。歡迎分享+關注 。它不知道你的用戶是誰 ，也是最大的一個問題——AI 會取代我們嗎 ？
下一篇 ，幾萬行代碼時——這在真實的軟件開發中非常常見——AI 就開始出現一種特有的錯誤：前後矛盾。ChatGPT 回答你的那三秒鍾裏究竟在算什麽 ，需求變複雜 ，後續文章也會持續更新
。15 家最大科技公司的入門級招聘從 2023 到 2024 年下降了約 25% 。
摩根士丹利的分析與此一致 ：AI 不會減少軟件行業的整體就業
，
Part3：模式匹配器寫代碼，然後它就大概能用了 。會產生什麽效果
？還記得 Part2 裏那個"快了 55%"嗎 ？接下來這個實驗的結論可能會讓你大吃一驚
。幾百行代碼時 ，到 2025 年底估值達到約 90 億美元 。AI 來實現 。可驗證的部分交給 AI；需要理解具體場景、你來。但"這個產品應該解決什麽問題""這個功能的邊界在哪裏""這段代碼的邏輯對不對"——這些是理解 ，而且 AI 係統本身也需要大量的開發者來構建和維護 。代碼量小
，因為修改 B 文件時
，
但如果故事在這裏結束 ，把報錯信息複製給 AI ，不是因為自己不會寫 ，我們總結了四條和 AI 協作的原則——讓 AI 做它擅長的事
、"
把三個問題串起來
讓我用一張表來總結 ，
"我該不該學編程？"
如果你之前因為"語法太難記"而對編程望而卻步 ，AI 很可能用"浮點數"（計算機中表示小數的常見方式）來做加法
。做獨特判斷的部分 ，他在做一個他自己都不完全看懂的程序——但程序跑起來了 。而且這些代碼中 88% 被保留在了最終版本裏，其實藏著很深的含義
。AI 自動化掉的永遠是那個"模式匹配"的部分
，
代碼審查 。
問題一 ：表麵能跑 ，METR（一家 AI 安全研究機構）發布了一項嚴格的隨機對照實驗 ，他會說"把側邊欄的內邊距減半"這種大白話 ，它們是"超級模式匹配器"的必然局限——當匹配所需的信息超出了訓練模式或上下文窗口
，這是 AI 編程最隱蔽的陷阱 。AI 就幫她生成了可用的程序
。和我們整個係列一直在探索的核心發現一致
：模式匹配的部分可以被自動化 ，她隻是用日常語言描述了她的需求 ，能跑就行 。數據充足
、跑跑程序 、問題二 ：不理解你的業務需求
Qodo（一家 AI 代碼質量平台）在 2025 年對超過 600 名開發者進行了《AI 代碼質量現狀調查》 。
2023 年 1 月，前 Tesla AI 總監 ，也是 AI 幫不了你的部分 。AI 來生成代碼
。
Karpathy 自己說過 ：VibeCoding 讓"編程不再是經過嚴格訓練的專業人士的專屬——而是任何人都能做的事"。需要人來做 。
Replit（一個在線編程平台）的 CEO 則分享了另一個數字：他們平台上有大量非程序員用戶通過自然語言描述來構建應用——他們隻描述想要什麽 ，反而大幅增長，可以被自動化 。
2025 年 7 月 ，讓代碼"能跑"容易
，
自己覺得快了 20% ，
最有趣的一個實驗
以上三個問題疊加在一起
，
第一次看到這個係列？從第1篇開始最順暢
，但沒有降低編程的天花板
。覺得不錯的話，邏輯有錯
CodeRabbit（一個 AI 代碼審查平台）在 2025 年 12 月發布了一份《AI 與人類代碼生成現狀報告》 ，AI 寫的每一行代碼 ，
性能優化 。會發生什麽 。這是 「AI是怎麽回事」係列的第 15 篇 。
這背後的道理 ，會發現這不隻是編程的事。比幾乎任何其他領域都要豐富 。
這意味著什麽 ？不是程序員變少了
，連鍵盤都很少碰
。窗口裝不下的
，不需要完美 ，直接修改代碼文件 。它在 A 文件裏把日期格式定義為"2025-01-15"，超過 1.5 億開發者在上麵協作 。
第一 ，你可能會注意到一件事：當你清楚知道自己要什麽時 ，沒有兩個項目的架構是完全相同的 ，他看都不看修改的內容，於是花了很長時間去拆這個東西——手機為什麽換了發型還能認出你，但因為"敲代碼"這個動作本身確實變快了 ，但這一篇我們不隻是確認這個結論——我們要展開看 ：它到底有多滿 ，同步更新在個人博客和微信公眾號
微信搜索"我沒有三顆心髒"或者掃描二維碼 ，
研究中一位開發者的反饋很說明問題 ："AI 在代碼的其他部分做了一些奇怪的修改
，但處理金額時，領導過 Tesla 自動駕駛團隊的 AI 開發）在社交媒體上發了一條推文：
"最熱門的編程語言是英語 。正確的使用方式就清晰了
。遇到一個看不懂的報錯信息 ？丟給 AI 。
GitHub Copilot 現在平均貢獻了活躍用戶約 46% 的代碼——幾乎一半的代碼是 AI 寫的 。說說想法 、但如果 AI 能寫代碼，
模式明確、但實際測量的結果是——慢了 19% 。結果是 ：
使用 AI 工具的開發者反而慢了 19%
。
用第 7 篇和第 9 篇的知識來解釋
：AI 在"續寫"代碼時 ，AI 給出的東西怎麽改都不對 。
效率數據
：到底快了多少 ？
一項覆蓋 4800 名開發者的研究給出了最具體的數字 ：使用 GitHub Copilot 的開發者完成一個編寫 HTTP 服務器的任務，不像寫散文——好壞見仁見智。處理金額應該用整數（以"分"為單位計算） 。不確定可不可行 ？讓 AI 先做一個粗糙版本出來，分析了 470 個開源項目的代碼提交 。直到搬到馬尼拉才第一次接觸電腦
。而是用日常語言（中文或英文）告訴 AI 你想要什麽
，而不是精確的 45.3 。
Part1 ：為什麽 AI 特別擅長寫代碼
在搞清楚 AI 編程能做到什麽之前 ，它有嚴格的語法規則 ：IF 後麵必須跟條件 ，
非程序員的真實案例
更令人驚訝的是 ，編程中有大量高度固定的模式：數據庫連接
、這是典型的模式匹配強項。可以直接用自然語言對話來寫代碼）更是創造了軟件行業的增長奇跡——成立僅兩年就達到了 3 億美元的年化收入
，AI 寫代碼不是什麽"魔法" 。它就顧不上了。超過 77000 家企業和組織都在使用它 。而暴露出來的永遠是那個"真正需要人的思考"的部分 。然後對照 AI 生成的代碼來學習
。畫出了它的能力邊界 ，AI 代碼中的安全漏洞數量是人類代碼的 1.5 倍 。你有一個想法 ，
互聯網上有海量的公開代碼
。遇到報錯，我查了大量數據，上下文缺失被開發者認為比 AI"幻覺"（編造不存在的東西）還要嚴重——因為幻覺容易發現（代碼直接報錯），
個人錨點
如果你也試過讓 AI 寫代碼 ，恰好在 AI 的能力範圍之內 。入門更容易了 ，
但短期有一個值得關注的信號
：入門級崗位在收縮 。考慮到用戶可能遇到的各種情況 、
不過，
仍然需要人做的
架構設計 。
Part2
：AI 編程到底能做到什麽——一起來看看
光說數據可能還不夠直觀 。直接讀這篇也沒問題 。
代碼能不能跑 ，也是這個係列的最後一篇 ，但讓"設計係統""判斷質量""理解需求"變得更加重要
。
Karpathy 的親身描述
Karpathy 在他那條著名的推文裏詳細描述了自己的 VibeCoding 工作流 ：
他用 Cursor 這個代碼編輯器裏內置的 AI 助手 。而是想清楚要做什麽
。擁抱指數級增長，
所以 ，不代表代碼正確。學會了怎麽和它一起工作
，
文章結尾留了一個懸念 ：寫代碼是 AI 最擅長的事之一
，
他們找了 16 名經驗豐富的開源開發者——這些人平均在自己的項目上工作了 5 年——隨機決定每個任務是否允許使用 AI 工具 。而編程恰好是三個條件全滿的黃金場景。
這和人類記憶力有限是一個道理——隻不過 AI 的"記憶"不是真正的記憶
，不是抽象的語法說明
。報錯信息在訓練數據中大量出現，需要把金額加在一起
，因為它不"理解"你在做記賬工具——它隻匹配"數字相加"的最常見寫法 。"能駕馭 AI"的崗位在增加 。用 AI 放大你的優勢而非替代你的思考 。你不需要背誦 for循環的寫法——AI 會替你寫 。遇到報錯 ？把錯誤信息直接複製給 AI，
當一個項目隻有幾個文件 、調試和修改
。這和第 14 篇的四條原則完全一致——不是巧合，
上一篇 ，AI 表現驚人；當你自己都沒想清楚時 ，他又發了一條更具體的推文 ：
"有一種新的編程方式
，AI 的局限就暴露了
。歡迎關注我，
寫重複性的樣板代碼 。
讀者可能會問的兩個問題
"程序員會不會失業？"
這個問題幾乎每個人都在問 。依據的是訓練數據中的統計模式
，企業對財務分析的需求因此暴漲 。
修 bug 和理解報錯
。以及這種"滿"本身又會製造什麽問題
。它和 AI 識別人臉（第 1 篇） 、"通常這樣就修好了" 。它從訓練數據中匹配最常見的代碼模式 ，發現了很多有意思的東西
，給出了一個出人意料的答案
。當 AI 處理了語法層麵的事情後
，但要做好，
AI 編程工具和電子表格是同一個故事的新版本 。幾乎所有 AI 擅長的領域都如此。使用 AI 後，
記得 Karpathy 說的那句"用來隨手做點周末項目還不錯"嗎 ？這句話暗示了一個重要的分界線 。連看都不看。業界的經驗顯示
，而是因為底層邏輯相同 。確實有大量簿記員的工作崗位消失了——手工記賬這個具體動作被自動化了 。電子表格軟件（如 Excel）普及後 ，他會說一些非常隨意的話——"把側邊欄的內邊距減半""給這個按鈕加個懸浮效果"——完全是日常口語 ，而上下文缺失導致的錯誤往往隱藏很深（代碼能跑，這就是 Karpathy 說的"周末項目"——快速試驗一個想法 ，代碼合並率提升了 11%，兩邊不一致 ，程序就出了問題。246 個任務做下來，
參考資料
- Karpathy, A. (2023). "The hottest new programming language is English." X (Twitter). https://x.com/karpathy/status/1617979122625712128
- Karpathy, A. (2025). "There's a new kind of coding I call 'vibe coding'..." X (Twitter). https://x.com/karpathy/status/1886192184808149383
- Wikipedia. Vibe coding. https://en.wikipedia.org/wiki/Vibe_coding
- Electroiq. (2025). GitHub Statistics And Facts, By Users, Security And Repos. https://electroiq.com/stats/github-statistics/
- Quantumrun Foresight. (2026). GitHub Copilot Statistics 2026. https://www.quantumrun.com/consulting/github-copilot-statistics/
- About Chromebooks. (2026). GitHub Copilot Statistics [2026]. https://www.aboutchromebooks.com/github-copilot-statistics/
- Sacra. (2025). Cursor Revenue, Valuation & Funding. https://sacra.com/c/cursor/
- Cursor. (2025). Series D Announcement. https://cursor.com/blog/series-d
- Peng, S., et al. (2023). The Impact of AI on Developer Productivity: Evidence from GitHub Copilot. arXiv. https://arxiv.org/abs/2302.06590
- Panto. (2026). GitHub Copilot Statistics 2026: Productivity, Risk & Impact. https://www.getpanto.ai/blog/github-copilot-statistics
- Microsoft Source. (2025). Vibe coding and other ways AI is changing who can build apps and how. https://news.microsoft.com/source/features/ai/vibe-coding-and-other-ways-ai-is-changing-who-can-build-apps-and-how/
- TechCrunch. (2025). A quarter of startups in YC's current cohort have codebases that are almost entirely AI-generated. https://techcrunch.com/2025/03/06/a-quarter-of-startups-in-ycs-current-cohort-have-codebases-that-are-almost-entirely-ai-generated/
- Glance. (2025). Vibe Coding Success Stories: Real Apps Built Without Traditional Programming. https://thisisglance.com/blog/vibe-coding-success-stories-real-apps-built-without-traditional-programming
- CodeRabbit. (2025). State of AI vs Human Code Generation Report. https://www.coderabbit.ai/blog/state-of-ai-vs-human-code-generation-report
- Qodo. (2025). State of AI Code Quality in 2025. https://www.qodo.ai/reports/state-of-ai-code-quality/
- METR. (2025). Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity. https://metr.org/blog/2025-07-10-early-2025-ai-experienced-os-dev-study/
- U.S. Bureau of Labor Statistics. (2025). AI impacts in BLS employment projections. https://www.bls.gov/opub/ted/2025/ai-impacts-in-bls-employment-projections.htm
- Morgan Stanley. (2025). AI in Software Development: Creating Jobs and Redefining Roles. https://www.morganstanley.com/insights/articles/ai-software-development-industry-growth
- IEEE Spectrum. (2025). AI Shifts Expectations for Entry Level Jobs. https://spectrum.ieee.org/ai-effect-entry-level-jobs
- FloQast. (2025). Will Robots Take Our Jobs if Accounting is Automated? https://www.floqast.com/blog/will-robots-take-our-jobs-if-accounting-is-automated
- Opsera. (2025). Cursor AI Adoption Trends: Real Data from the Fastest Growing Coding Tool. https://opsera.ai/blog/cursor-ai-adoption-trends-real-data-from-the-fastest-growing-coding-tool/
訂閱
如果覺得有意思，而是當前對話窗口裏的文字 。我一直很好奇 AI 到底是怎麽工作的
，它描述的是一種全新的編程方式 ：你不寫代碼 ，在大多數場景下這沒問題 。
一句話回顧
AI 讓寫代碼快了 55%，寫作如此
，
斯坦福數字經濟實驗室的研究發現 ，
如果你再仔細想想
，
讓我們來看看 ，
