很多人疯狂的宣传AI自动写应用写网站，AI可以已经可以代替程序员了么？

一段话说重点：目前阶段，不会编程的人让AI写代码，能写写原型玩一玩，但是想直接做到工程化落地，很难。懂编程的人，的确可以利用AI来提效了，甚至产品化落地一些简单的应用/网站。

开头

AI编程的笑话：

1. ai写了大量代码，有了bug后，改不动，删又舍不得，且进度大大delay。——成现代鸡肋了，用之无用，删之可惜。
2. 这块有问题，调用不通，AI写的，我也不知道为啥。——指望别人帮你debug AI写的代码？

cursor、claude code、codex、winsurf、各种copilot，国内还有一票ide，codebuddy、qoder、trae，还有一些小众一点点的比如amazon的kiro，等等。

还有一些agent写代码的builder，比如百度的秒哒，kimi的okcomputer，其他各种builder。

老实说，一大半都试过，花钱的不多，实在花不起。

日常最常用的还是cursor，和github copilot，主要jetbrain下要用copilot，不然也不需要了。

至少目前，AI代替程序员编写所有代码，不可能啊。

氛围编程

啥是氛围编程，vibe coding？

现在简单的几句话让ai把代码都写了，就是氛围编程。

这是百度AI简单总结的

Vibe Coding的定义与核心理念

• ‌概念提出‌：由OpenAI联合创始人Andrej Karpathy于2025年明确提出，被称为"不能算是真正编程"的开发方式。‌‌‌
• ‌核心机制‌：开发者用自然语言描述需求→AI生成代码→运行时直接应用→通过自然语言反馈迭代修改。‌‌
• ‌应用场景‌：快速原型开发（如菜谱APP）、界面设计生成、自动化调试等。‌‌

编程方式与应用场景

• ‌与传统编程对比‌：
• 传统：需掌握语法、数据结构等底层技能，流程严格如建筑工程。‌‌
• 氛围编程：开发者聚焦高层设计，通过"感觉"指引AI生成代码，如描述"太空风格动画背景"即可生成完整代码。‌‌
• ‌典型用户‌：独立开发者（重创意轻代码质量）、产品经理（无编程经验但有场景构思）、设计师（快速实现视觉概念）。‌‌
• ‌争议‌：可能出现代码质量隐患（72%生成代码需人工复核）、调试困难（错误提示需反复自然语言交互）、技术债务积累等问题

看，氛围编程不太靠谱吧，大部分都觉得代码能生成个网站，很强，实际上可能出现代码质量隐患、调试困难、技术债务积累等问题，就是正经生产环境中，大家的顾虑了。

amazon的kiro有一个功能，直接区分了氛围编程和code with spec，嗯现在很多都在推了，比如github也出了spec kit https://github.com/github/spec-kit

那这是什么呢？ https://kiro.dev/docs/specs/

大概就是先定需求文档，然后设计文档，然后往下去拆解落地。就跟软件工程师开发软件类似的流程，很符合常识。

软件工程

SE software engineering

软件工程是大学的一个专业，而且学费挺贵的一般。

软件工程一般是科班一定会学到的一门课。包括系统工程、需求工程、设计工程、OO/TDD等结构设计理论、软件测试、软件维护与再工程、软件项目管理等一些章节。

更重要的是，软件工程是计算机的一个很重要的研究方向，软件工程是一门研究用工程化方法构建和维护有效、实用和高质量的软件的学科。

如果有兴趣深入了解软件工程的话，可以去网上再搜搜。

我读研的时候选择了软件工程理论方向，来自于软件工程课的时候听导师讲的时候，带来的兴趣。

说白了，开发软件不是用泥巴堆城堡，而是要工程化落地的。

最近研究了下AI来coding这事，有一些感想，就顺便请教了一下实验室导师，给了我一些观点

1、需求定义清楚比较困难

2、如果软件规模比较大那么就有设计复杂性，这个也是个难题

3、目前，一种成功的实践模式是开发者本人把软件拆的比较细，然后让大模型生成局部的代码，并及时提供审核反馈。这个一般只有专家才能够掌握，需要具有非常好的需求分析和设计能力

和上面code with spec对上了，需求、设计、细化拆解写代码。

软件工程的学术界，一直在研究需求工程、设计工程、包括测试工程等等，以及最近研究如何让AI更好的写代码。

一些观点

目前AI自主写代码，基本处于氛围编程效果，如果使用的人没有经验不会设计，就完蛋了。

现在不仅程序员，各个领域都在被AI改变，现在各个公司都是在业务增长，不扩招的情况，让你用ai提升效率。如果业务不增长，就砍人，如果效率不提升，就换人呗。

估计未来招研发的一个职位要求：能用好AI，保证AI产出质量，人+AI整体产出达到XX要求。

氛围编程距离ai写代码完全可用，还有挺长一段距离。至于遥远的未来，有可能AI能代替所有代码吧。

而且这还只是氛围编程做做简单的应用。如果是复杂系统，例如游戏项目还涉及到和ide的很多集成，复杂的项目涉及的需求背景，ai目前还不能理解到位等等。

但是目前，作为带研发团队的码农，也在思考AI编程在实践中能做到什么地步，目前氛围编程玩玩还可以吧。别指望太多。

最近尝试完全用ai写稍复杂点的程序，以及一些游戏原型，有一些感受

方法文件级高内聚代码片段/小工具——AI比人写的尽善尽美，大概率可用

落地方式：人要做好测试验证

小规模软件原型——氛围编程能做到勉强可用

目标：希望ai可以帮不会写代码的人写小规模应用

人群：创意者/非专业领域/原型，产品、设计、跨技术栈研发

落地方式：简单定义需求，当然越详细越好，让AI干，看效果。生成原型，反复调试，但质量堪忧

小规模软件产品——需要专业软件工程师

目标：

人群：专业软件工程师

落地方式：需求分析文档、验收文档、（定义技术指标），再反复调试，走测试流程上线。

大规模系统——AI一定干不好

目标：希望ai可以帮架构师写一些初级代码、小模块，降本提效。就好像主程带着几个开发干活一样。

人群：专业领域架构师

落地方式：开发者本人把软件拆的比较细之后，大模型辅助生成局部代码

未来尝试的工作流：需求设计工程、模块拆分，定义好每个模块的输入输出后，让ai去分别生成每个模块，最后组装走集成测试。

挑战：多模块较复杂，产生bug后，多模块协同修bug可能困难。

未来：

1、氛围编程质量不够高，难维护，未来可以用tdd的方式，将需求细化为测试用例，倒逼ai将软件质量向测试用例拟合，也许是个方向。

有点GAN的感觉。人精力放在软件工程流程的需求与测试上，把控输入输出。

2、人开发软件并不全是基于代码文本，要内聚抽象成方法和模块的。

那么ai应该可以【分治的方式，拆分模块并保证每个模块质量达标】，模块对外就只剩接口描述了，可降低ai上下文处理的复杂度。既提升质量，又减少ai丢失注意力的问题

实际项目实践

对团队约束

• 要用ai提效，例如代码补全、生成SQL/脚本/工具、信息查询
• 研发要对AI代码负责——AI只是协助
• 禁止agent直接写大量代码——AI写的是不可靠的
• 研发自测，写自测报告——这个与测试用例无关，也不要求形式，只要研发自己把自己开发的逻辑自测过程截图写进文档，同时还能对测试同学提供帮助。对整体的质量和效率是有很大提升的。

结语

AI来了，简单的工作会被AI替代，人应该将精力放在更高层面的思考设计上，让AI来帮忙提效。

还是不要小瞧人类智慧。