AI 时代的我们

晚上好，

最近，我看到一篇文章，提到作者所在的公司已经开始在技术面试中考核候选人对 AI 编程工具的使用能力。

过去的面试，是手写算法、刷 LeetCode 战绩，而现在有小部分公司已经不再这样，他们会给出一个完整的功能需求，提供一台电脑，并允许候选人使用任何 AI 工具，在有限的时间内实现整个功能。

在这样的考场上，如果完全不用 AI 编程，除非手速快得惊人，否则几乎不可能完成，这还不考虑思考实现的时间。

这不是一个细枝末节的变化，而是一个清晰的信号：我们正式的进入一个新的工作范式——Vibe Coding 的时代。

接下来，我想从自己的经历出发，谈谈对这个时代的一些观察。

今年，我使用 AI 工具编写的代码量，已经远远超过了我自己亲手敲下的代码量。越来越多的时候，我的主要任务不是写代码，而是向 AI 描述需求。

大模型还不能独立完成复杂系统，但当我将一个庞大任务拆分成清晰的、原子化的子任务时，它的表现会大幅提升：

• 复杂任务的准确率通常能稳定在 80% 以上；
• 对于结构简单的模块，准确度甚至能达到 90% 左右。

为了充分释放模型的能力，我的工作界面通常是多窗口并行：

Codex、Claude Code、豆包、Cursor、Gemini CLI、Qwen Code……

这些工具像“助手团队”一样协同工作，我会根据任务难度、模型在特定领域的优势，把工作分配给最合适的工具。

这样的工作方式，让我的开发效率至少提升了 三倍。

在某一周，我甚至消耗了将近 5 亿个 Tokens。

这不是炫耀，而是说明 AI 已经深度融入了我的开发流程。

很多人以为 AI 编程意味着把需求丢给模型，让它一键生成。

实际上，情况恰恰相反。

大模型能否表现出色，取决于两个关键因素：

1. 模型自身的自然语言和编码能力；
2. 使用者的能力，包括技术认知、产品理解、拆解能力与需求表达能力。

我越来越清楚地感受到：

❝在大多数企业的真实业务系统中，模型的上限，往往取决于使用者的下限。

你需要能够审查模型生成的代码；

需要告诉模型什么样的结构更清晰、什么样的模式更可维护；

需要确保它生产的不是“黑盒”，而是一个你愿意长期维护的系统。

如果对技术不够了解，也不对结果进行把关，那模型生成的代码，就可能成为一颗“暗雷”：

能不能跑？是否安全？是否可维护？

都没有答案。

所以 Vibe Coding 的核心不是“让 AI 接管”，而是“让使用者掌控”。

我很早就开始使用 AI 做编码工作。老实说，在今年之前，我常觉得大模型更像是一个“高级搜索”或“辅助工具”，它的准确率有限，能做的事也不够多。

但今年下半年，情况出现了明显的变化，很多大模型的能力又实现了一次质的飞跃。

对于日常的业务开发，它已经可以解决绝大部分模块；在小型企业里，它甚至能构建完整的业务系统底层。

然而，同样的工具，在不同人手中呈现出截然不同的效果。

有人觉得好用到不可替代，有人觉得错误百出、难以依赖。

差距不来自工具，而来自使用方式。

Vibe Coding 的方法论要求我们：要拆解任务，用模型能理解的方式表达需求；要教它如何做，而不是让它自己去推理并完成一切。

在众多行业中，视觉设计领域是 AI 最早产生深刻影响的地方之一。

今天，我们已经看到许多公司不再设置初级设计岗位，因为基础的图片创造与处理，大模型可以轻松完成：

• Midjourney：一句提示词即可生成电影级的海报；
• Photoshop 的 AI 生成填充：传统要花半小时的抠图与修图，现在几秒完成；
• 各类绘图、智能修饰工具，让视觉创作前所未有地高效。

短视频领域的变化更为明显。

在抖音上，你已经能看到大模型生成的脚本、配音、动画甚至完整视频内容。

电影特效、动漫制作、动效转场，都能看到 AI 的影子。

创作门槛被极大降低，而使用者的想象力与审美，成为新的关键。

AI 不只是改变工作方式，也逐渐成为生活中的基础设施。

• 写作与排版：让文本更加精准、优雅；
• PPT 生成：提供大纲即可自动生成视觉统一的演示文稿；
• Excel 数据处理：无需记函数，只需说明分析目的；
• 文本整理、邮件撰写、文案修改，AI 都能完成。

在我的 MacBook 中，AI 甚至可以通过终端命令来接管操作系统中的许多繁琐工作：批量整理文件夹、查找并分类文件、批量重命名、合并或拆分表格。

这些过去需要脚本才能完成的操作，现在只需要一句自然语言。

回到最初的面试案例——从手写算法到实现一个完整功能。

这是一个缩影：

很多过去需要多年经验才能掌握的技能，现在大模型都能以极高的准确度实现。

设计、编码、创作……许多领域的基础门槛正在被迅速拉平。

但与此同时，另一种差距正在被拉大：

• 会使用 AI 的人与不会使用 AI 的人；
• 能拆解任务的人与只能提出模糊需求的人；
• 能审查代码的人与只能依赖黑盒的人。

此外，大模型还能帮助人们快速理解一个全新的领域。

它不是浏览器那种信息“堆叠”，而是一个能够持续教学的导师，用通俗而系统的方式帮助你构建知识结构。

这让跨领域学习变得前所未有的简单。

无论是医疗、教育还是金融，AI 都正在深入其中：

• 医疗影像的辅助诊断
• 个性化的自适应学习系统
• 毫秒级的市场分析与决策

每一个行业都在重塑自己。

我们身处一个高速变化的时代。

恐惧从来不是答案，被替代的永远是重复劳动，而不是思考能力。

如果我们能够掌握与 AI 协同的能力，能够拆解任务、表达需求、审查结果、训练自己的数字助手，那么我们就能在这个时代获得前所未有的力量。

这是一个“超级个体”崛起的时代。

也希望各位，都能找到属于自己的工作方式与节奏，在浪潮中稳稳站住、不断前进。