迎接 AI 编程新范式

我们正处在一个软件开发范式深刻变革的时代，传统的编码方式正在被重塑。来自谷歌 Chrome 工程领导者 Addy Osmani 为我们提供了在 AI 时代下有效工作的实用策略。目标是帮助开发者理解自身角色的演变，并学习如何更高效、更明智地利用 AI 工具，将它们从一个充满魔力的黑盒，转变为一个可靠的工程伙伴。

AI 对高级开发者的帮助远超初学者

他提出：AI 工具对经验丰富的开发者助益更大，而非初学者。这迫使我们重新评估企业应如何培养和利用其工程人才。

Osmani 将 AI 描述为“一个热情满满但需要时刻监督和纠正的初级开发者”。这个类比一针见血地指出了关键差异：高级开发者利用 AI 来加速他们已经熟知的工作，比如快速生成样板代码或探索已知问题的替代方案。而初学者则试图用它来学习未知的东西，这往往会导致他们接受错误或过时的解决方案，构建出自己无法理解和维护的脆弱系统。

关于 AI 工具，我发现的最反直觉的一点是：它们对经验丰富的开发者的帮助比对初学者更大。这似乎是反常的——难道 AI 不应该让编程大众化吗？

这一观点强调了在 AI 时代，深厚的经验、专业的判断力和系统的思维依然是不可替代的核心价值。仅仅学会如何“提示”AI 是远远不够的，真正的价值在于能够指导、审查并最终驾驭 AI 的强大能力。

“70% 问题”：为什么 AI 编程的最后 30% 才是关键

他提出了一个名为“70% 问题”的概念，它精准地描述了当前 AI 编程的现实。AI 能出色地完成大约 70% 的编程任务，但这背后隐藏着一个关键的区分，他将其与软件工程领域的经典概念联系起来：Fred Brooks 提出的“偶然复杂性”与“本质复杂性”。

AI 在解决“偶然复杂性”（如编写样板代码、生成常规函数、处理重复性任务）方面表现卓越。然而，真正的挑战在于那充满陷阱的最后 30%，也就是软件工程的“本质复杂性”——问题本身固有的、无法消除的难度。这部分工作包括处理棘手的边缘案例、优化系统架构、确保长期可维护性，这些都需要资深的人类专业知识来驾驭。

他引用了 Peter Yang 的一段深刻观察，精准地描述了这种体验：

AI 能帮你完成 70%，但最后那 30% 却令人沮丧。它不断地前进一步，又因为新的 bug 和问题而倒退两步。

仅仅依赖 AI 完成前 70% 的工作，后果可能是灾难性的。他提到了两种常见的反面模式：“纸牌屋代码”(house of cards code) 和“倒退两步”(two steps back)。前者指代码表面看起来完整，但内部结构脆弱，一压就垮；后者则描述了开发者在修复 AI 引入的一个 bug 时，又会引发两个新问题的恶性循环。这提醒我们，AI 提供的速度必须与人类处理本质复杂性的严谨相结合。

不止一种玩法：从“氛围编程”到“AI 辅助工程”的光谱

为了更有效地利用 AI，Osmani 定义了两种截然不同的协作模式，它们位于一个光谱的两端：“氛围编程”(Vibe Coding) 和“AI 辅助工程”(AI-Assisted Engineering)。

• 氛围编程: 这是一种提示优先、探索性极强的方法。开发者通过自然语言描述期望的结果，让 AI 自由发挥。它非常适用于快速原型设计、“从 0 到 1”的产品探索或在黑客马拉松中验证想法。
• AI 辅助工程: 这是一种有纪律、计划先行的方法。开发者将 AI 工具严谨地融入传统的软件开发生命周期（SDLC），从设计、编码到测试，每一步都以保证代码质量、安全性和可靠性为前提。

他用了一个生动的比喻来区分两者：

把氛围编程想象成一辆高速的探索车：它能迅速带你偏离常规路线，非常适合探索发现。而 AI 辅助工程则更像一辆在轨道上运行的可靠火车：你必须先铺设好铁轨（制定计划），但它更安全，也更有可能在不脱轨的情况下到达明确的目的地。

成功的 AI 时代开发者需要掌握在这两种模式之间灵活切换的能力。他通过敏锐的观察指出，随着开发者对 AI 工具经验的积累，他们的使用方式往往会自然地从“氛围编程”端向“AI 辅助工程”端迁移。这揭示了一个成熟的战略路径：根据任务性质选择最合适的工作模式，无论是构建一个一次性的演示原型，还是开发一个需要长期维护的核心功能。

开发者的未来：成为“架构师”与“总编辑”

随着 AI 承担了越来越多的编码“重活”，开发者的角色正在发生根本性的转变——从埋头苦干的“代码工匠”，演变为高瞻远瞩的“产品远见者和协调者”。

他引用了资深工程师 Steve Yegge 的观点，预测未来的团队可能只需要那些能够完成两件事的高级工程师：“(a) 描述待办任务，即创建提示；以及 (b) 审查最终工作以确保准确性和正确性。”这本质上就是架构师和总编辑的角色。

这种角色的演变，要求开发者将重心从“编写代码”转向“确保代码质量”。正如他所强调的：

人类元素仍然是关键所在。我们确保架构的合理性，调试棘手的 bug，并从‘能运行’之外的维度评判代码质量。

这一转变意味着，那些无法被自动化的“软技能”变得前所未有的重要。人类的创造力、系统思维、对用户需求的同理心以及做出权衡的判断力，成为了新的核心竞争力。开发者的核心工作将更多地围绕着定义问题、设计蓝图、指导 AI 执行，并最终审查和整合 AI 的产出，确保最终交付的不仅仅是“能运行”的代码，更是“能为用户创造价值”的优质产品。

拥抱放大器，而非替代品

Addy Osmani 传递了一个统一的战略框架：AI 不是要取代开发者，而是要成为一个强大的“力量倍增器”。这些见解环环相扣，共同描绘了 AI 时代开发者的进化路径。

“知识悖论”揭示了为何经验丰富的开发者能更好地驾驭 AI，这直接解释了“70% 问题”的根源——正是人类的深厚经验才能填补那最后 30% 的“本质复杂性”。为了有效应对这一挑战，开发者必须学会在“氛围编程”与“AI 辅助工程”的光谱之间灵活切换，根据任务选择正确的工具和心态。最终，成功驾驭这一光谱的开发者，将自然而然地演变为未来的“架构师”与“总编辑”，专注于更具创造性和战略性的任务。

人类的判断力、严谨的工程纪律以及对卓越产品质量的不懈追求，在 AI 时代依然是创造伟大软件的基石，甚至比以往任何时候都更加重要。

当 AI 越来越多地处理“如何做”(how) 的问题时，你将如何重新定义自己在决定“做什么”(what) 和“为什么做”(why) 上的价值？