AI 时代程序员该固守手写代码，还是拥抱 AI？说点真相

2025 年你打开 B 站，铺天盖地是"Cursor 帮我写了整个项目"“Vibe Coding 让零基础小白三小时做出 App”。你关上 B 站去 V2EX 看帖，又全是"AI 只会生成 Bug"“用 AI 写代码这辈子完了”。

两边都有人在贩卖焦虑。这篇文章不讲极端，说点实在的。

Vibe Coding：真的能让普通人开发软件吗

“Vibe Coding"是 2025 年最火的词。Andrej Karpathy（前特斯拉 AI 总监、OpenAI 联合创始人）提出了这个概念——你不需要写代码，你只需要用自然语言描述你想要什么，AI 帮你全搞定。你像一个产品经理一样"提需求”，AI 像一个程序员一样"实现"。

听起来很美好。实际情况呢？

能做出来的：

• 个人博客、简历页面、简单的 Landing Page
• 一个计算器 App、一个 Todo List、一个天气预报查询
• 一个表单收集工具、一个数据展示面板

做不出来的：

• 任何涉及支付、用户认证、数据库安全的系统——AI 生成的代码在安全层面几乎全是漏洞
• 需要性能优化的场景——AI 会给你写出功能正确的代码，但它不知道什么时候应该用缓存、什么时候应该建索引
• 复杂的业务逻辑——比如"用户下单后 15 分钟未支付自动取消，但如果使用了优惠券要回滚，同时要发通知，如果库存不足还要触发采购流程"——这类需求 AI 能写出代码，但逻辑完整性基本没法保证
• 调试——当你遇到一个只在特定条件下才出现的 Bug，AI 帮不了你。它看不到你的运行环境，不知道数据状态，只能猜

Vibe Coding 能让你做出能跑的东西，但做不出能用的东西。 能跑 = 你一个人点来点去看起来正常。能用 = 一万个用户同时用不出问题、数据不会丢、不会被黑。

这两者之间的距离，就是"学过计算机"和"没学过计算机"之间的距离。

只会 AI 写代码，能找到工作吗

现在很多初学者学编程的路径变成了：看三天 Python 语法 → 用 Cursor 写项目 → 简历写"熟练使用 AI 辅助开发"。

然后去面试。面试官问：

“你写的这个登录接口，是怎么防止 CSRF 攻击的？”
“你的数据库查询为什么没用索引？”
“这个递归调用在数据量大的时候会不会爆栈？”

AI 给你写了能跑的代码，但它没告诉你为什么这样写是对的、什么情况下会出问题。面试官问的就是这些"为什么"和"什么情况"。

大厂面试从不考"你会不会用 Cursor"。他们考的是：

• 数据结构与算法（LeetCode 刷题）
• 操作系统和网络基础
• 系统设计能力
• 代码调试和问题排查能力
• 对业务的理解和抽象能力

这五样东西，AI 一样也帮不了你。

结论：只会 AI 写代码的人是找不到正经工作的。 AI 可以是你工具箱里最强的工具，但不能是你工具箱里的唯一工具。

大厂到底看中什么

我认识几个在大厂做技术面试官的朋友。他们最近的共同感受是：来面试的人越来越多，但能通过的越来越少。

不是因为题变难了——是因为候选人的"表面能力"变强了（AI 帮你写出了好看的代码），但"底层能力"变弱了（你不理解你写的代码）。

大厂真正看中的能力排序：

1. 问题拆解能力。 给你一个模糊的需求，你能不能把它拆成清晰的技术方案？AI 可以帮你实现每一步，但拆解的思路 AI 给不了你。

2. 调试和排查能力。 线上出了问题，你能不能快速定位？AI 看不到你的线上环境，只能猜。能独立排查问题的人在任何团队都是稀缺资源。

3. 技术判断力。 同一个需求，可以用 Redis 做缓存，也可以用本地内存做缓存。选哪个？为什么？AI 能列出两种方案的优缺点，但它不能结合你的具体业务场景做决策。

4. 沟通和协作能力。 为什么需求文档上写的跟产品经理脑子里想的不一样？为什么测试说这是个 Bug 但你觉得是 Feature？这些不是一个能写代码的 AI 能解决的。

5. 代码能力。 对，代码能力反而排在第五位。因为前四项不行的话，代码写得再好也没用。而如果前四项强，代码能力弱一点（可以靠 AI 补）反而是最容易解决的问题。

那到底该怎么用 AI

不是"用不用 AI"的二选一。是"怎么用 AI"的问题。

AI 应该做的事：

• 写重复性的模板代码（CRUD 接口、表单验证、单元测试）
• 帮你快速了解一个不熟悉的库或 API（“用 Python 的 requests 库发一个带超时的 POST 请求怎么写”）
• 代码重构和格式化（“把这段代码改成 async/await 风格”）
• 生成正则表达式（谁手写正则谁脑子有病）
• 写文档和注释（“给这个函数写一段 JSDoc 注释”）

AI 不应该做的事：

• 设计系统架构——AI 不理解你的业务上下文
• 做安全相关的决策——AI 不知道哪些是敏感数据
• 写涉及金钱和交易的逻辑——AI 不知道业务规则
• 做性能优化——AI 不知道你的流量模型和数据规模

你应该做的事：

• 审查 AI 生成的每一行代码——理解它为什么这样写
• 对 AI 写的安全相关代码保持高度警惕
• 把 AI 当"高级自动补全"，不当"全职替代程序员"

未来三年会怎样

做个预测：

初级程序员的岗位会大幅减少。 如果你的工作内容是"接需求 → 写 CRUD → 调接口"，AI 已经在替代你了。不是替代你全部，而是大幅提升效率——以前需要五个初级程序员，现在两个 + AI 就够了。

高级程序员会变得更重要。 能把模糊需求拆成技术方案的人、能快速排查线上问题的人、能设计高可用架构的人——AI 替代不了。而且因为他们能利用 AI 提升效率，产出会更高。

"会用 AI + 理解底层"的组合最有竞争力。 纯手写代码的人会被效率碾压，纯用 AI 的人会被质量问题绊倒。最稳的是：理解底层原理 + 用 AI 写重复代码 + 人的判断力做关键决策。

给你的建议

如果你是在校学生：先别碰 AI 写代码。 老老实实手写一年。理解内存怎么分配、理解锁怎么竞争、理解网络包怎么传输。这些基础不牢，以后在 AI 上翻车是迟早的事。

如果你是刚入行的初级程序员：用 AI 加速学习，别用 AI 替代学习。 你让 AI 帮你写代码，然后花时间读懂它写了什么。不懂的地方去查官方文档，而不是让 AI 再解释一遍。

如果你是有经验的开发者：拥抱 AI，但不要依赖 AI。 用 AI 处理 80% 的机械工作，你的精力集中在 20% 的关键决策上。审查 AI 的代码要比你手写更仔细——AI 不会累，但它真的会乱写。

最后

"AI 时代要不要学编程"这个问题，跟"有了计算器还要不要学数学"是一样的。

计算器让你不用手算三位数乘法，但你得知道乘法的本质是什么、什么时候该用乘法。你不会因为有了计算器就觉得"学数学没用了"。

编程也是一样。AI 让你不用手动写那些重复的代码，但你得知道程序运行的本质是什么、什么时候该用什么方案。代码能自动生成，判断力永远不能。

所以别焦虑了。该学的基础继续学，该写的代码继续写。让 AI 帮你加速，别让它替你思考。