Skip to content

Vibe Coder 与软件工程师:AI 时代的责任分界线 ​

AI 让写出可运行原型变便宜了,但审查、回滚、维护和担责的成本没有同步下降。围绕 vibe coding 的争论,常把工具能力和工程责任混在一起。本文用「安全合并所需时间」衡量 AI 辅助开发,比较探索与交付两种模式的纪律差异,并给出切换边界。读完后,你能判断一项任务该用哪种模式,以及跨过边界前必须补齐什么。

一句话

分界线在责任从哪里开始、到哪里结束。主要产出是创意验证时,vibe coder 有用;主要成本是责任归属时,就需要软件工程师。

目录 ​

一、错误的衡量指标 ​

围绕 vibe coding 的讨论,衡量指标经常选错。大家展示的是从想法到应用用了多快。这在验证想法时确实有价值,但进入真实团队后,事情并没有结束。

总得有人审查它,有人理解背后的意图,有人判断依赖该不该放在这里,有人确认测试是否真的验证了行为,有人处理 schema 变更,有人协调跨团队改动,有人准备回滚,有人写运行手册,有人回应告警。这些工作没有一件属于玩具项目。

所以衡量 AI 生成的工作,应该换一个指标:安全合并所需时间。它包括可审查性、风险、测试质量、所有权、回滚能力,以及作者能不能说清这次变更里的关键决策。AI 把代码生成变便宜、却把安全合并变贵时,团队拿到的收益并没有自己以为的那么多。

vibe coder 量的是首次跑通版本所需时间;软件工程师量的是安全合并所需时间。探索阶段,首次跑通版本很有用;一旦进入共享代码库,安全合并所需时间才是必要指标,它包含审查、测试、发布、回滚、协调和未来的维护成本。

常见误区

把「从提示词到可运行原型」的速度当成团队整体效率,会盖住后面审查、修复和运维的隐性开销。


二、输出不等于进展 ​

AI 辅助写的代码应该更好,不是更多。工具让你能生成更多内容,人就得更多地约束它。否则你并没有省下工作量,只是把活顺延到下游,让维护变成别人的麻烦。AI 辅助代码不能套另一套标准,它得达到和手写代码一样的门槛。

因此它应该是收敛的:只有一个存在理由,不夹带无关清理,不因为模型「顺手」就重新格式化半个文件,也不在没有清晰解释的情况下新增依赖。

变更变大时,如果是模型生成得太多,那就拆。模型很乐意为十行能写完的东西生成一大堆样板代码。作者要是说不出每个有意义的文件为什么变了,就还没准备好接受审查。这就是基本的所有权意识。

第二个区别在工作单位。vibe coder 把生成结果当进展;软件工程师把任何改动都当责任单位。生成结果可以很大、很乱、也可以是临时的,变更管理不能这么随意。

真正的变更得足够聚焦,便于审查;足够可解释,值得信任;边界足够清晰,合并不至于把半个系统一起拖下水。速度要么因此变得有用,要么沦为审查债。


三、AI 无法替你担责 ​

审查生成代码和审查人写的代码不一样。人写代码时,背后通常有一条决策链。它可能有缺陷,但至少有一个人能解释这条路径:为什么用那个抽象,为什么把规则放在那里,为什么选这个包,为什么测试写成那样。

AI 生成的代码,其中一些所谓的「决策」根本不是决策,只是补全。作者要是没把生成结果转化成自己真正负责的成果,审查者就同时在干两件事:审查,外加追溯作者意图。

所有权是第三个区别。vibe coder 可以说这是模型生成的;软件工程师必须说,这是我负责的。这意味着请求审查之前,作者得先把生成内容转成一个工程决策。代码也许从模型开始,但责任不能停在模型那里。

常见误区

觉得「我审查过了」就等于「我负责了」。审查是质量手段,责任归属才是工程身份的分界线。


四、上下文不只是文件 ​

现在模型已经能读很多代码了,但这不代表它理解系统。一部分上下文在代码里,大量工程上下文在别处:事故里、旧迁移里、客户行为里、运维痛点里、团队惯例里、安全要求里、合规规则里,还有过去那些看起来奇怪的决策里。

你不提供,模型就没有这些上下文。即便提供了,它携带上下文的方式也和工程师不同:它在一个有限的上下文窗口里运行,任务越大,越容易局部优化、全局破坏。

所以「直接让它把整个东西修好」既是个坏习惯,现阶段也确实不太管用。更好的做法是在让它写代码之前,先缩小决策空间。要求更具体时,模型确实能做得更好;但更具体意味着作者得先真正明白自己在干什么。

经验丰富的工程师从 AI 里拿到的价值最大,方式是给模型更少自由,而不是更多。自由适合周末折腾,生产环境需要约束。

这就是第四个区别。vibe coder 给模型一个目标,软件工程师给模型一个有边界的任务。真正的工程性就发生在这个有边界的任务里:用这个接口,不要碰这一层。好的提示词谈不上魔法,它通常只是说明工程师已经理解了边界。


五、Vibe Coding 的适用边界 ​

Zig 项目对 AI 生成贡献的限制经常被拿来讨论。维护者看到的是大量 AI 生成的拉取请求:里面塞满无关改动、损坏的遗留行为、奇怪的依赖新增,还有解释不清自己提交了什么代码的贡献者。

但这些混乱不是对 AI 的判决,而是 vibe coding 越界后的产物。问题不在于禁用它,而在于把它放到合适的位置。

这就是第五个区别:探索与交付。同一份让维护者花掉整个下午的拉取请求,在做原型验证时可能无伤大雅,因为没人会对那段一次性代码负责。

探索可以容忍混乱,目标是学习,或者围绕一个想法快速迭代。交付不能容忍无法解释的混乱,目标是可追责的业务结果。有些场景可以接受 99.9% 的正确率,有些场景就是必须正确。分界线在这里。

这条线也在移动。工具在测试、回滚和审查方面变强之后,安全合并的部分成本会下降,但不会消失。只要还需要有人对结果负责,就需要保留一定程度的纪律。把 vibe coding 用在出错代价低的地方,把工程纪律用在出错代价由客户、团队或业务承担的地方。


六、学徒问题 ​

初级工程师一定会用 AI,也应该用。用得好时,它可以解释代码、比较方案、生成示例,加速学习。但用不好时,它会替代学习。

初级工程师如果用 AI 来逃避理解系统,就可能交付更多、学得更少。这是一笔糟糕的交易。工程生涯头几年,正是建立心智模型的时候。这个模型得在自己大脑里建起来,不能长期从机器那里借。

判断力不会靠一直站在系统外面、让模型替你修问题而建立。AI 短期内可能让初级工程师看起来更高产,却削弱了把他们培养成强工程师的学习闭环。这也是不少项目限制 AI 贡献的深层原因之一:代码审查不仅是质量关卡,也是识别和培养长期贡献者的过程。AI 提交会绕过这一点,因为贡献者并没有真正理解代码库,也没有吸收反馈。

工程还需要一定程度的学徒制。vibe coding 诱使你单打独斗,但人是在团队里工作和学习的。

软件工程师靠跟别人协作提升技艺。工作不只是写代码,工作还包括判断:什么有风险、什么没风险。这种判断力来自跟系统和人之间的持续接触。


七、区别 ​

主要产出是创意验证时,vibe coder 有用。他们可以缩短想法到可点击原型之间的距离。很多想法都值得先这样处理,再决定要不要投入真正的工程产能。

主要成本是责任归属时,就需要软件工程师。他们控制什么进入系统、怎么审查、怎么保护、怎么测试、怎么运维,以及今后怎么改。这个区别是运营层面的,也不是固定身份。同一个人应该在探索阶段做 vibe coding,在交付阶段切到工程模式。

关键技能是知道自己当前处于哪种模式,并且别让一种模式的习惯渗到另一种里。vibe coding 能帮你更快学习;软件工程能帮你避免为这份学习付出永久的代价。


八、统一模型:探索与交付之间的责任边界 ​

前文从衡量指标、工作单位、所有权、上下文边界、阶段适用性和学徒制六个角度展开。它们可以归并成一个统一模型:以责任归属为主轴,区分创意验证的探索阶段和可追责的交付阶段。

mermaid
flowchart TB
    subgraph CORE["核心问题"]
        direction TB
        C["责任从哪里开始、到哪里结束"]
    end

    subgraph EXPLORE["探索阶段:创意验证"]
        direction TB
        E1["指标:首次跑通版本所需时间"]
        E2["容忍混乱,目标是学习与迭代"]
        E3["模式:vibe coder"]
    end

    subgraph DELIVER["交付阶段:可追责结果"]
        direction TB
        D1["指标:安全合并所需时间"]
        D2["要求可审查、可回滚、可维护"]
        D3["模式:软件工程师"]
    end

    subgraph BOUNDARY["责任边界"]
        direction TB
        B1["所有权:我负责,而不是模型负责"]
        B2["上下文:代码之外还有系统、团队与历史"]
        B3["约束:把无边界目标拆成有边界任务"]
    end

    C --> E1
    C --> D1
    C --> B1
    E1 --> E2 --> E3
    D1 --> D2 --> D3
    B1 --> B2 --> B3
    E3 -.->|"跨越边界需要工程化"| D3

    classDef core fill:#F7F7F3,stroke:#176540,stroke-width:2px;
    classDef wait fill:#F7F7F3,stroke:#5B8CA8,stroke-width:1.5px;
    classDef block fill:#F7F7F3,stroke:#B27B2C,stroke-width:1.5px;
    classDef work fill:#F7F7F3,stroke:#3E9B6B,stroke-width:1.5px;
    classDef metric fill:#F7F7F3,stroke:#8E6BA8,stroke-width:1.5px;

    class C core
    class E1,E2,E3 wait
    class D1,D2,D3 work
    class B1,B2,B3 metric

图的读法是从核心问题出发,向下分成两条路径:左侧探索、右侧交付,中间的责任边界决定能否跨越。虚线是唯一入口——探索产物进入交付,靠的不是时间,而是责任边界上的条件同时成立。

进入交付的四个条件 ​

以下四条全部满足,生成内容才算进入交付阶段:

  • 作者能逐文件解释变更理由,而不是只说「模型生成的」
  • 关键行为有能验证的测试,而不只是「本地跑通了」
  • 变更可以独立回滚,不必连带回退半个系统
  • 有人明确承担上线后的维护责任,包括告警和故障处理

缺任何一条,它仍然停留在探索阶段。这条判据比「代码看起来能不能用」更可靠,因为它检查的是责任,而不是外观。


九、实践清单 ​

以下条目都对应一个可以当场执行或事后检查的动作。

衡量方式 ​

变更边界 ​

所有权与审查 ​

上下文控制 ​

阶段与成长 ​


结语:选择模式,而不是选择阵营 ​

AI 改变的不是编程语言,而是软件开发的经济学:生成代码的成本在降,但审查、理解、维护和担责的成本没有同比例消失。真正的问题因此从「能不能写出来」变成「谁对它负责」。

所以 vibe coder 和软件工程师的区别,不是身份标签,而是工作模式的选择。同一个人完全可以上午做 vibe coding,下午切到工程模式。成熟的标志,是清楚自己处于哪种模式,并遵守该模式的规则。

下一步最值得做的,是挑一个正在进行的任务,用「四个条件」检查一遍。如果它已经进入共享代码库,却还有条件不满足,先补齐再继续;如果它本来就在探索阶段,就保留速度,但把产物隔离在交付流程之外。工具会继续变强,边界会继续移动,责任归属这条线不会消失。


FAQ ​

1. 如果 AI 生成的代码通过了所有测试,是不是就可以安全合并? ​

测试通过只是合并条件之一。还需要审查者理解设计意图、确认边界条件、评估依赖变更、检查回滚能力,并明确作者愿意为后续问题负责。测试覆盖的是已知行为,工程责任覆盖的是未知风险。

2. 团队应该怎样划定 vibe coding 与工程交付的边界? ​

从出错代价出发:只在个人或隔离环境里允许无约束的 vibe coding;进入共享代码库、用户环境或生产路径之前,必须经过可审查、可测试、可回滚的工程流程。阶段划分应在任务开始时就明确,而不是合并前才补。

3. 初级工程师应该如何使用 AI 才不影响成长? ​

把 AI 当解释和比较方案的工具,不要当绕过理解的捷径。生成代码之前,先自己描述问题、约束和预期改动;生成之后手动走读,并解释每一处关键改动。管理者应保留代码审查里的反馈闭环,不要因为 AI 提交看起来更快就跳过。

4. 同一个人既要探索又要交付,如何避免习惯混淆? ​

给探索任务设独立分支或目录,并标注「原型」属性。转向交付前强制做一次清理:删无关文件、补测试、写变更说明。关键是别让探索阶段的临时产物默认进入交付流程。


来源 ​

  1. Yusuf Aytaş. Vibe Coder vs Software Engineer:https://yusufaytas.com/vibe-coder-vs-software-engineer
  2. Yusuf Aytaş. The Invisible Difference:https://yusufaytas.com/the-invisible-difference
  3. Yusuf Aytaş. Managers Have Been Vibe Coding All Along:https://yusufaytas.com/managers-have-been-vibe-coding-all-along