假期这几天，AI 编程的舆论场被劈成了两半。
一边是暴富故事。一个高中生，5 月 1 日第一次用 AI 写代码，8 月 21 日就在上海拿下 TRAE AI 创造力大赛全国亚军和社会公益奖，奖金一共 25 万。另一个开发者，没投一分钱推广，纯自然流量，5 个月 vibe coding 出一个 App，100 万下载，烧掉 2500 亿 token。评论区清一色「我也去做个 App」。哔哩哔哩哔哩哔哩
另一边是焦虑段子。知乎「你用 AI 编程用到什么深度了」这个问题，被浏览了两百多万次，最高赞不是教程，是一篇纪录片式的调侃：58 岁的陈师傅，2003 年开始写 Java，至今纯手工编程，不用 Copilot、不用 Agent，人称「古法手搓」。他给变量起名要闭眼默念职责，写 if 讲究「括号要有呼吸感」，一上午只写一个 synchronized——「锁这个东西，跟榫卯一样，紧了系统跑不动，松了数据就散了」。窗外，新一代软件工程 Agent 每天生成七千万行代码；陈师傅一天三百行，一百二十行是测试。最后他说：「总得有人知道，代码原来是怎么写出来的。」知乎
段子是假的，但它戳中的焦虑是真的。而真正该看的，是夹在这两股情绪中间、被盖过去的一组硬数据。
一、「生成快了几十倍」和「团队只快 30%」，两个都是真的
先说结论：AI 写代码这一段确实快得离谱，但落到一个团队的实际交付上，净提升大概只有 30%。这两个数不矛盾，是同一件事的两头。
把三组数据拼起来你就懂了。
第一组来自软件工程数据分析机构 Faros AI，统计了 1255 个团队、一万多名开发者的真实遥测。AI 用得重的团队，人均完成任务多了 21%，合并的 PR 多了 98%——产出确实涨了。但同一批数据里，PR 审查时间增加了 91%，PR 体积膨胀了 154%，人均 bug 数还多了 9%。产出、审查成本、代码体积、缺陷，四个数一起涨，最后组织层面的净交付速度几乎没动。知乎
第二组来自 Anthropic 自己。他们公开说过，Claude 写了自家生产代码库八成以上的代码，PR 数量涨了 98%，但团队交付效率「几乎没动」。
第三组来自代码审查工具 Greptile 的联合创始人 Daksh Gupta，基于百万级 PR。企业代码库里已经有四分之一的 PR 是 AI 生成的，回滚率和 P0/P1 严重缺陷数，跟人类工程师持平甚至更优。但失败模式完全不同：Claude 更容易引入 SQL 注入，Devin 较少触发认证绕过，Cursor 则频发 N+1 查询。哔哩哔哩
把这三组连起来读，那个「30%」的来历就清楚了：不是 AI 不行，也不是你不行，是 AI 把「生成」这一环踩到了油门到底，而「验证」那一环还是十年前的人肉速度。
知乎有个高赞比喻特别准：以前整条马路都骑自行车，速度匹配，路口不堵；现在唯独给其中一段装了火箭助推器，其他段全是自行车——能不堵吗？一个同事用 AI 改了个支付页，提交一千多行，页面、接口、埋点、重试、测试全带上了，跑起来没问题。reviewer 从下午两点看到六点，最后只敢说：「你拆一下，我不敢合。」
人手写一千行，写到一半自己就会卡住、会拆开、会找人讨论。AI 一口气全吐出来，作者自己都没停下来想过。于是 PR 大量堆积在审查口，堵死。
所以那位带过「4 人 AI 零经验团队、4 个月把百万行单体拆成微服务」的答主，给 AI 下的定义是：一个能力超强、但不可信的初级开发。核心逻辑不让它碰，产出必须过测试，出了事有人负责。
二、「自用能成」和「能接单赚钱」，中间隔着一道鸿沟
暴富故事看多了，最容易踩的坑，是以为「我能用 AI 做出自用小工具」就等于「我能靠 AI 接单、做产品赚钱」。
B 站一条近 2 万播放的视频，把这道鸿沟拆得很清楚。自用工具之所以做得顺，是因为占了四个便宜：
你自己就是使用者，需求在脑子里，不用问别人；
可以接受半成品，能用就行；
允许程序出错，崩了重启就是；
可以无限迭代，今天不行明天再改。
而一旦接商业项目、给企业做信息系统，这四个条件全部消失。客户没法一次性说清需求，得反复试错打磨；你还得吃透人家的业务模式、组织现状，才能把现实业务翻译成可执行的开发指令——这件事 AI 替不了你。商业项目要交付稳定可用的成品，不能随意崩溃，要验收、要交接，不能像个人脚本一样随便改。
一句话：软件真正的难点从来不是写代码，而是搞清楚到底要构建什么。AI 擅长服务的，是已经充分了解需求的开发者；空降的外包人，很难只靠一个编程 Agent 吃透别家企业的业务。哔哩哔哩
这也是为什么「Vibe Coding 做来做去，怎么全是记账 APP」会变成一条吐槽视频——因为自用场景里，需求最清晰、最容易想到的，就是记账、待办、天气这种。一旦要做一个别人愿意付钱、需求又不明确的东西，门槛立刻显形。
那个拿 25 万奖金的高中生，故事里也有容易被剪掉的部分：113 天里，第一个 App 没能上架，第二个差点被自己做废，上架前还被 App Store 打回了两次。奖金是真的，但「第一次用 AI 写代码到拿奖」中间，是三个多月的连续踩坑，不是一句话出片。
三、「古法编程」焦虑，到底在怕什么
回到陈师傅那个段子。它真正扎人的地方，不是「AI 写得比人差」——Greptile 的数据已经说明，AI 代码的质量未必输人类。它扎的是另一件事：当生成变得几乎免费，你还剩多少判断力。
JetBrains 中国发过一条视频，标题很直接——「被 Vibe Coding 抚平的大脑褶皱，还能救回来吗？」讲的是元认知：代码写好了，不代表你真的学会了编程；卡壳和停顿，本来就是学习的一部分。LLM 在帮你解决问题的同时，也可能悄悄拿走了你「想明白」的过程。哔哩哔哩
知乎上「用 AI 写技术文档的工程师：写得更快，写得更差」也是同一个意思——把背景贴给 AI，一段对话生成一节，很快一份又长又全的文档就完成了，发出去收到的回复是「挺全面」，但那不是认可，是没人想细看。知乎
连招聘市场都在用脚投票。一个问题问「AI 辅助编程这么普及，为什么不少科技企业面试还坚持考手写算法」，高赞回答是：面试官真正想看的，不是你平时会不会不用 AI，而是工具拿走以后，你脑子里还剩多少东西。知乎
所以「古法编程」的焦虑，本质不是怀旧，是对「能力空心化」的警惕。AI 把这行的下限拉平了（新手也能产出看起来不错的东西），也把上限拉高了（老手的工程能力被放大十倍）。最危险的是中间那层——觉得自己跟上时代了，其实只是在被工具拖着走。
对新手，AI 是双刃剑：它能帮你快速产出，但你没有判断力去看它对不对、坑埋在哪。对老手，AI 是放大器：你的工程能力乘以十，但前提是你得先有那十倍的判断力。
四、对号入座：你该不该把钱和时间砸进 vibe coding
把上面这些落到「要不要投入」这个决策上，分四类人看：
第一类，纯自用党（做个记账、爬虫、小工具自己用）。放心用，这是 AI 编程收益最大、风险最小的场景，四个便宜你全占，错了也没人罚你。建议：别买课，别上头订阅最贵的套餐，先用免费或便宜的工具把需求跑通。唯一要练的是「把需求说清楚」——大部分「AI 改三遍还不对」，不是它笨，是你没说清是哪个错。
第二类，想靠它接单、做产品赚钱的。先泼盆冷水：自用能成不等于能交付。你缺的不是写代码的能力，是吃透别人需求、扛住验收和稳定性的能力。建议：别一上来就接企业外包，那是四个条件全消失的硬骨头；可以从需求明确的小单、或者自己做产品（像那个 100 万下载的 App）入手，但要做好「连续踩坑几个月」的心理和预算准备。
第三类，有工程底子的开发者。AI 对你是放大器，值得投入。但收益卡在「验证」那一端——谁能把审查成本压下来，谁的 30% 才能往上走。建议：把验证从人脑搬到流水线（下面第五部分讲），别让 AI 自己给自己打分。
第四类，零基础想转行的、学生党。最该警惕能力空心化。AI 能让你快速做出东西，但面试要考手写算法，工作要审 AI 的代码。建议：用 AI 提速可以，但别让它替你「想明白」。卡壳的时候先自己扛一会儿，那是学习发生的地方。预算有限的话，也不必追最贵的模型——有人 Claude 账号被封、钱没退，照样用负担得起的模型 vibe 出了不错的作品。哔哩哔哩
五、避开三个验证陷阱，30% 才能往上走
不管你是哪类人，只要想让 AI 编程真正提效，绕不开「验证」这一端。三个最容易踩的坑：
陷阱一，让 AI 自己给自己打分。一条 1.6 万 star 的中文 vibe coding 教程里，最狠的一条规矩是「隔离审查」——重要产出必须新开会话，并且告诉负责审查的 AI「上一轮结果不可信」。因为 AI 生成的测试脚本一旦能自己标记「已审核」，你会发现所有测试都是绿的、所有 bug 都是已知的，一切完美，然后上线炸了。评审状态，永远由人来写。哔哩哔哩
陷阱二，攒一大堆代码再人工 review。正确的做法是把验证拆细、自动化：需求进表格带唯一编号，用例落成文件，脚本进仓库，CI 每次提交自动跑全部用例，人只看报告不看代码。有团队这么做之后，「发现 AI 写错了」的时间从两小时压到十分钟以内。关键是 CI——AI 每写一段就自动验证一次，根本不用攒着等人工审查。
陷阱三，跟 AI 说人话太粗。「帮我加个日志」「批量退款」这种话，AI 只能猜。B 站有个系列专门讲这个：让 AI 写批量退款，它跑完说「成功 37 笔、跳过 3 笔」，可 60 笔的单子里有 20 笔根本没动，跑到第 41 笔崩了，崩完还照样给你打了个勾。问题不在 AI 笨，在你没说清「退不了的订单是跳过接着退，还是整批停下」。把调试、断点、异常捕获、边界检查这些术语甩给它，它三分钟就能定位。哔哩哔哩
写在最后
这个国庆，AI 编程的舆论场一边在讲暴富，一边在讲失业，但两边都情绪大于事实。
事实是：AI 确实把「写代码」这一环提速了几十倍，也确实让「审代码、想清楚要做什么」这一环的短板暴露无遗。它不是来替你编程的，是来替你打字的——前提是你脑子里得先有东西。
值得继续盯的信号：一是各家 Coding Agent 的失败模式数据（SQL 注入、N+1、认证绕过这些会不会收敛）；二是验证、审查工具的成熟度（谁能把审查成本真正打下来）；三是企业级 AI 代码占比和回滚率的长期曲线。
掏钱订阅、买课、投入时间之前，先想清楚自己是哪一类人、要走到哪一步。别被「一句话出 App」的故事推着走，也别被「古法编程」的段子吓退——这两样，都不是你的决策依据。
