Vibe Coding，是怎么“玩废”程序员的？

本文来自微信公众号： 极客公园 ，作者：Moonshot，编辑：靖宇，原文标题：《Vibe Coding，是怎么「玩废」程序员的？》

当大脑不再负重，技术肌肉就开始萎缩。

「自然语言就是新的编程语言。」这句话在过去一年里被无数人奉为圭臬。

特斯拉前AI总监Andrej Karpathy带火的「Vibe Coding」（氛围编程）更是让这种狂热达到了顶峰——你不需要懂语法，不需要管实现，只要对着AI喊出需求，然后Check一下感觉（Vibe）对不对就行了。

听起来，程序员的门槛似乎要被抹平了。

但就在上周，大模型领域的「优等生」、Claude（也是最受欢迎的Vibe Coding模型之一）的母公司Anthropic居然自己跳出来，给这股热潮泼了一盆冰水。

他们发了一篇题为《AI如何影响技能形成》的硬核论文，告诉我们一个残酷的真相：如果你在学习新东西时过度依赖AI，你不仅不会变快，你的核心能力还会出现显著退化。

甚至，你可能正在变成一个「半废」的工程师。

01

人是轻松了，脑子也废了

Anthropic的研究员这次很较真，他们找来50多位有经验的Python程序员，搞了一场「闭卷考试」。

考题是让大家去学一个从来没用过的冷门Python库：Trio，来完成一系列异步编程任务。这完美模拟了程序员在工作中经常遇到的场景：老板突然让你用一个你没见过的工具/框架去解决问题。

程序员被分成了两组：

「手动组」：只能看官方文档，用Google搜索，严禁使用AI。

「AI组」：配备了一个基于GPT-4o的强大AI助手，可以随时提问、让它写代码、修Bug。

任务结束后，所有人都参加了一场原本用于检验「学习成果」的考试。

考试内容包括编程语法、对代码逻辑的理解、阅读代码的能力，以及调试（Debugging）能力。

大家的第一反应肯定是：AI组肯定秒杀「土法炼钢」组吧？毕竟这可是GPT-4o级别的辅助。

但实验结果出来后，所有人都沉默了。

无AI组问答得分普遍高于AI辅助组｜图源：Anthropic

最明显的结果是：成绩不好。数据显示，使用了AI的那组人，考试得分平均比手写组低了17%。

论文中特别提到，分差最大的领域在于调试（Debug）。

这并不意外，毕竟Vibe Coding最大的弊端就在于，用户不知道那堆代码是怎么跑起来的，排查和调试都无从下手。

「好吧，我承认我变菜了，但我至少变快了啊！」这可能是很多Vibe Coding爱好者的最后防线。

很遗憾，Anthropic的数据再次打脸。报告显示，在完成任务的总耗时上，AI组和手动组在统计学上没有显著差异：AI组平均23分钟，手动组平均24.7分钟。

为什么会这样？我们不是有AI加持吗？论文指出了一个被忽视的时间成本：

「交互税」。

有些程序员为了让AI写出完美的代码，花了大量时间在「写提示词」上。数据显示，有人甚至花了11分钟在跟AI聊天，或者在一项35分钟的任务里，花了30%的时间在构思怎么问问题。

「时价比」不高，花费的时间并没有转换成得分｜图源：Anthropic

再结合上Vibe Coding最短的短板——Debug困难。AI组很容易陷入试错式调试（Iterative Debugging）的循环：AI生成代码-报错了-把报错丢给AI：「解决一下这个bug」-AI再生成-又报错了……

最后整个工程变成了不可逆转的「屎山黑箱」（「屎山代码」指一种混乱、难以理解和维护的代码状态，「黑箱」则指不知道内部结构的系统）。

在这个过程中，时间一分一秒流逝，而程序员的大脑处于一种「挂机等结果」状态，既没有节省时间，也没有学到东西。

到这儿你可能对Vibe Coding祛魅了？别急，这篇论文最精彩的部分，在于它通过录屏分析，把使用AI的程序员分成了六种流派。

研究员发现，虽然AI组平均分低，但组内方差极大。

有的人「废」了，有的人却「超神」了。区别全在于怎么用AI。

02

代码没编好，

用户画像倒是有了

第一类用户都可以归为「AI废人」的低分低能组，考试得分极其惨烈，平均分都在40%以下（不及格）。

这一大类里还能细分为三个小类，分别是：

• 甩手掌柜型(AI Delegation)：直接把题目复制给AI，「帮我写个函数解决这个问题」，然后Ctrl+C/Ctrl+V，直接交卷。他们任务完成速度确实最快（平均19.5分钟），但学到的东西几乎为零，我奶奶来做都能行。

  
  

• 半途而废型(Progressive AI Reliance)：刚开始还想自己试试，写了两行发现报错，心态崩了：「算了，AI你来吧。」然后彻底躺平。

  
  

• 盲目试错型(Iterative AI Debugging)：这是最典型的「无脑Vibe」。遇到Bug不看回溯，直接把报错扔给AI。AI给出的代码看都不看就运行，不对再扔。这是也是最惨的一群人。浪费了大量时间后拿了个低分，完全成了AI的「人肉测试员」。

  
  

第二类用户就乐观多了，虽然用了AI，但考试成绩甚至能和手写组持平（65%-86%），寻找到了人机共生的解决方案。

拿AI作「辅助驾驶」的三类人得分更高｜图源：Anthropic

这一大类里也能细分为三个小类：

• 打破砂锅型(Conceptual Inquiry)：他们几乎不让AI写代码。他们只问概念：「为什么要用await？」「这是什么原理？」搞懂了原理，再自己手写。这是真正的「把AI当导师」，而不是当实习生，而且这种Vibe Coding也得需要用户真的「懂行」、「会问」。

  
  

• 先斩后奏型(Generation-Then-Comprehension)：让AI写代码，但在复制粘贴之前，他们会追问：「解释一下这行代码为什么这么写？」这么一句，就能让AI先自审一遍，自己也能看到AI的编程思路，把AI的输出转化为了自己的知识。

  
  

• 混合双打型(Hybrid Code-Explanation)：融合了上面两个类型的特点，会写「请写出代码，并解释每一步的逻辑。」这种提示词，强制AI输出推理思维链，让自己跟上AI的思路，也便于去Debug。

  
  

为什么用的是同一个AI，人和人的差距这么大？

或许并不是AI废掉了程序员，而是我们自己在「偷懒」的诱惑面前，主动选择了缴械投降。

03

Vibe Coding的代价是

Anthropic的这篇报告，其实触及了一个心理学概念：

认知卸载（Cognitive Offloading）。

即当工具足够强大时，我们会下意识地把原本需要大脑处理的计算、记忆、逻辑推演任务，「卸载」给工具，就像自动驾驶一样。

在AI时代，我们正在把「理解力」卸载给大模型。

论文里用了个比喻：AI就像一副「外骨骼」，当你穿着它时，你力大无穷，能搬起千斤重。但问题在于，肌肉的生长需要负重和撕裂，如果你长期穿着它不脱下来，你的肌肉就会因为缺乏刺激而萎缩。

研究认为，过度依赖AI会直接跳过思考过程｜图源：Anthropic

这篇论文中有一个非常不起眼、但细思极恐的数据：报错数量。

手动组在做任务时，平均每人遇到了3次报错。所以他们被迫停下来，盯着红色的报错信息，去查文档、去思考「为什么类型不匹配」、「为什么线程没挂起」。

而AI组平均每人只遇到了1次报错，大多数时候，AI给出的代码不仅能跑，而且跑得极其顺滑。

AI组的报错显著少于无AI组｜图源：Anthropic

这听起来是AI的优点？不，Anthropic的研究员指出，这恰恰是问题的根源。

论文明确写道：「遭遇并独立解决错误，是技能形成的关键一环。」

手动组之所以学得好，是因为他们经历了「摩擦」。每一次报错，都是现实世界给思维的一次「阻力」。正是为了克服这种阻力，大脑被迫建立了深刻的心理表征（认知心理学术语，指当外部信息进入人脑之后，它会被我们的大脑加工，以一种特别的结构储存在大脑中）。

而AI组的体验就太「平滑」了。但代价是，你失去了对地面的「抓地力」：脱下外骨骼，路都不会走了。

这种「AI过于平滑」的通病，不仅仅存在于编程中，正在蔓延到我们生活的方方面面。

在编程里，它消除了Debug的痛苦，让你误以为自己掌控了系统；在创作里，它消除了构思的枯燥，让你误以为自己拥有了创意；在人际关系里，它甚至也在消除「摩擦」。

就像很多AI成瘾的问题，都源自于AI永远情绪稳定，永远秒回，永远顺着你的话说，这种极致的「平滑关系」，何尝不是一种Vibe Social。

04

「我行我上」的幻觉

Vibe Coding最迷人也最危险的地方，在于它制造了一种「快乐但无知」(Happy but Ignorant)的幻觉。

论文中提到了参与者们微妙的心理变化：AI组的参与者普遍觉得任务「更容易」，「手动组」则觉得任务很难，过程很痛苦。

但反转来得很干脆：那些觉得「容易」的人，在随后的测试中一塌糊涂；而那些觉得「困难」的人，虽然过程煎熬，但自我报告的「学习和成长感」却更高，分数也更高。

所以Vibe Coding让你在写代码的过程中感觉自己是个天才，直到代码报错的那一刻，你才发现自己只是个「睁眼瞎」。

在面对「未知」时，AI是公平的，它会平等地「废掉」每一个试图偷懒的大脑，无论这个大脑曾经多么睿智。

研究人员按照编程经验将参与者分成了三层：1-3年、4-6年、7年以上。

结果数据显示，在所有经验层级中，不使用AI的组，考试得分都高于使用AI的组。

哪怕是资深工程师，在AI辅助下得分也低于无AI组｜图源：Anthropic

这意味着，即使你是入行7年以上的老鸟，在面对一个全新的技术领域时，如果过度依赖AI，你的学习效果依然会大打折扣。

当然了，Anthropic的这篇论文也不是让我们因噎废食，退回到手写代码的时代。

它更像是一份「AI时代生存指南」。想要不被AI「废掉」，我们需要改变使用习惯，从报告中的「高分高能组」那里取经：

比如多问「为什么」，少说「帮我做」；哪怕是AI生成的代码，也要像审视同事的代码一样，逐行阅读，理解代码逻辑；珍视Debug的机会，下次遇到Bug，试着先自己分析5分钟，而不是5秒钟后就截图发给ChatGPT。

AI确实能让我们跑得更快，但前提是，你得知道路在哪里，以及车坏了该怎么修。

毕竟，当自动驾驶失效的时候，只有那个还没忘记怎么握方向盘的人，才能救全车人的命。