Vibe Coding：软件工程2.0的开端
一、一个可能不太恰当的类比
1870年代，第二次工业革命悄然展开。
在那之前，工厂依赖的是大量工人——他们操作机械、搬运物料、执行每一个生产环节。工厂主最头疼的问题是招工、管人、防止熟练工跳槽。
然后电来了。
电动机取代了蒸汽机的皮带传动系统，机器可以灵活布置了，流水线拉起来了。工厂从”劳动密集型”转向了”资本密集型”——你不再需要那么多工人，但你需要大量的设备，需要稳定的电力供应。电费成了主要成本，大厂甚至自建发电机来保障产能。
工业2.0的本质，是用机器和电力替代了人力，用标准化流程替代了手工作坊。
现在来看编程的变化，我最近这两三个月，几乎没有手写过一行代码了。AI 编程发展的太快了，这应该是第一个确定AI强过人类的领域，继续发展下去会如何？
我有一个强烈的直觉：软件行业正在经历类似工业2.0的转变。而这一次的”电”，叫做Token。
二、传统软件工程为什么”落地难”
说到这里，我想聊一个软件行业的老问题：为什么那些漂亮的软件工程方法论，总是很难真正落地？
瀑布模型、敏捷开发、Scrum、看板……这些方法论被写进教科书、被培训公司反复宣讲，但真正能在团队里跑顺的有多少？
敏捷宣言说”可工作的软件胜于详尽的文档”，结果很多团队变成了”既没有文档也没有可工作的软件”。Scrum说要有产品负责人、要有Sprint回顾，结果很多团队的回顾会变成了走过场。
计算机科学家Dijkstra曾经毫不客气地批评：”软件工程的章程就是——’如果你不会编程，如何编程’”，，所以这纯属扯淡，他甚至称之为”注定失败的学科”。
为什么会这样？
我认为根本原因是：Coding这个环节太依赖人了。
软件工程的各种方法论，本质上都是在试图”管理”程序员的工作。但程序员不是流水线工人，代码不是标准化零件。每个程序员的水平不同、风格不同、状态不同。你可以规定流程、规定文档、规定代码审查，但你没办法规定一个程序员的大脑是怎么运转的。沟通讨论对齐都需要成本，还得监管避免有人钻空子偷懒。
这就像工业1.0时代的工厂——你可以制定规章制度，但只要还是依赖工人的双手，生产效率就有天花板，质量波动就不可避免。
真正的突破，来自于把”人”从核心生产环节中替换出来。
三、软件工程2.0：一个大胆的猜想
如果我们把工业2.0的逻辑套用到软件行业，会得到什么？
| 工业2.0 | 软件工程2.0 |
|---|---|
| 大量雇佣工人 | 大量雇佣程序员 |
| 采购工业设备 | 采购AI Agent |
| 依赖电力 | 依赖Token |
| 自建发电机 | 自建大模型 |
| 流水线标准化 | 测试驱动+自动化 |
这个类比可能不完美，但我认为方向是对的。
软件工程2.0的核心，是把”编码”这个环节从人类手中转移到AI Agent手中。
人类的角色会发生变化：
- 从”写代码的人”变成”描述需求的人”
- 从”实现功能的人”变成”验证质量的人”
- 从”生产者”变成”监督者”
而在这个新范式里，有一件事情变得前所未有的重要：测试。
为什么？因为当代码是AI生成的，你不能指望每一行都被人类理解和审查。你能依赖的，是测试——单元测试、集成测试、端到端测试、性能测试。测试覆盖率将成为质量的核心指标。
讽刺的是，这恰恰是传统软件工程一直强调但很少被认真执行的东西。不是因为大家不知道测试重要，而是因为写测试”太麻烦了”——程序员宁愿把时间花在写新功能上。
说到测试的重要性，有一个极端的例子：Oracle数据库。
一位前Oracle开发者曾在Hacker News上分享过他的亲身经历：Oracle数据库有接近2500万行C代码，代码库中充满了各种神秘的宏和上千个相互纠缠的标志位（flags）。有时候理解一个bug需要同时考虑20个甚至100个不同的flag如何相互作用。
这个产品还能正常工作的唯一原因，就是那数百万个测试用例。
每次修改代码后，开发者需要把代码提交到一个由100-200台服务器组成的测试集群。然后回家，等20-30个小时。第二天回来查看结果——运气好的话有100个测试失败，运气不好就是1000个。然后继续调试、提交、等待……一个简单的bug修复可能需要反复迭代两到三周。
听起来简直一坨屎对吧？但这恰恰证明了一件事：在足够完善的测试覆盖下，即使是祖传的屎山代码也能继续跑。
但在软件工程2.0时代，测试不再是”可选项”，而是”必需品”。因为AI可以帮你写代码，但只有测试能告诉你代码是否正确。测试将成为人类与AI协作的接口。
四、古法编程的未来
说了这么多，我并不认为人类程序员会完全消失。
就像工业2.0之后，手工作坊并没有完全消失一样。今天我们依然可以买到手工缝制的皮具、手工打造的刀具、手工酿造的啤酒。它们不是主流，但它们代表了一种品质、一种态度、一种”人味”。
我猜测，”古法”编程——人类程序员手写每一行代码、精心打磨每一个函数——将来也会继续存在。但它会变成一种小规模的、高端的、工艺品式的存在。
某些对安全性要求极高的领域（比如航天、医疗、金融核心系统），可能会坚持要求人类程序员的深度参与。某些追求极致性能的底层系统，可能依然需要人类专家的精细优化。
但大规模的应用层开发——那些CRUD、那些中台、那些业务系统——将逐渐被AI接管。大规模软件生产将由自动化来完成，就像大规模商品生产由工厂流水线完成一样。
五、一些尚未回答的问题
当然，这个愿景还有很多问题没有答案：
关于质量：AI生成的代码会不会埋下大量技术债务？AI会不会引入更多安全漏洞？当开发者不完全理解代码时，如何确保不被AI忽悠，保障代码质量？
关于成本：Token的成本在下降，但自建大模型的成本依然高昂。未来的”Token电厂”会不会像今天的云计算一样，被几个巨头垄断？
关于教育：当 AI 编程的效率远超人工，如何避免学生被AI”开挂”诱惑，认真的完成编程练习？我们都知道这是能力训练的过程，问题在于如何说服学生们。毕竟我儿子问我：”明明可以用计算器，为什么还要学加减乘除？”的时候，我可以揍他一顿并让他好好学习不要瞎想。可大学生们已经成年了。
这些问题我没有答案，也许明年的这个时候会有新的变化。
六、结语
回到开头的类比。
第二次工业革命不是一夜之间发生的。从电动机发明到真正改变工厂，用了几十年时间。期间有质疑、有反复、有失败的尝试。但方向是不可逆的。
Vibe Coding也一样，它当然还有各种问题，还被很多人质疑。但显然在2026年的1月底，随着 AI 编程能力的持续快速提升，质疑的声音越来越少了，信徒越来越多了。
所以我认为它实际上代表了软件工程2.0的开端——一种用AI Agent替代人类编码、用Token替代人力、用测试替代信任的新范式。
过去的软件工程理论，终于有机会真正落地了。不是因为理论变了，而是因为执行理论的不再是那个不可控的”人”，而是可以严格执行指令绝无二心（至少目前是？）的”AI”。
这是危机，也是机遇。
关键在于，你准备好了吗？
参考资料
-
Karpathy, A. (2025, February). "Vibe Coding" [Tweet]. X (formerly Twitter).
原文："fully giving in to the vibes, embracing exponentials, and forgetting that the code even exists."
x.com/karpathy/st… -
Collins Dictionary. (2025). "Vibe Coding" named Collins Word of the Year 2025.
www.collinsdictionary.com/word-lovers… -
Y Combinator. (2025). Winter 2025 Batch Statistics.
数据显示25%的创业项目代码库95%以上由AI生成。
www.ycombinator.com/blog -
GitHub. (2023). Research: Quantifying GitHub Copilot's impact on code quality.
研究表明85%开发者对代码质量更有信心，代码审查速度提升15%。
github.blog/news-insigh… -
GitHub. (2022). Research: Quantifying GitHub Copilot's impact on developer productivity and happiness.
研究显示使用Copilot的开发者编码速度提升55%。
github.blog/news-insigh… -
Dijkstra, E. W. (1988). "On the Cruelty of Really Teaching Computing Science."
原文批评软件工程为"a doomed discipline"。
www.cs.utexas.edu/~EWD/transc… -
Beck, K. et al. (2001). Manifesto for Agile Software Development.
agilemanifesto.org/ -
Wikipedia. Second Industrial Revolution.
关于第二次工业革命与电气化的历史背景。
en.wikipedia.org/wiki/Second… -
oraguy. (2018). "Life of an Oracle Database Developer" [Hacker News Comment].
前Oracle开发者分享的Oracle数据库开发真实经历：2500万行C代码，数百万测试用例，每次测试需要20-30小时。
news.ycombinator.com/item?id=184…
