Video Coding Thinking

Vibe Coding通过漂亮的定义和新颖的方式绕过了软件行业几个重要的问题：技术债、安全编码、DevOps，以及程序员的必经之路：对复杂系统的心智模型建立

不要以软件行业生产代码的方式看Vibe Coding，因为他们的成果通常不会用于软件行业，而当真正把Vibe Coding的成果转化为稳定运行的软件时，人们通常会寻找真正专业的人士，因为Vibe Coding没办法做到这些。

这有点像平时喜欢剪辑玩点剪映，传传抖音，但是要拍电影的话，就需要专业的团队。而AI等工具降低了这一门槛，实际上是给了更多人尝试编程的空间，成为了“生产者”，人们在其中获得灵感、验证想法，也会给软件行业带来全新的机会。

在YC论坛上看到的一个对话：

–如果你有爱好或工作，想象一下一个新人进来，什么都不知道，却做着他们技术上可以做但不应该做的事情
–这不就是守门人的定义吗？即便如此，谁在乎呢？新人以“不应该做”的方式创造/做某事，最终会失败，并注意到他们所做的事情的缺点。然后他们要么放弃他们的项目，要么学习“应该做”的方式（就像我们所有人一样，但现在有了人工智能）。

积极面

• 创新漏斗扩容：1000个粗糙原型的试错价值可能高于10个规范项目（符合”创新扩散理论”）
• 需求语言化：非程序员用自然语言描述需求，可能催生新的抽象范式（类似NoSQL对关系型模型的突破）

隐患面

• 认知过拟合：用户停留在”它有效”层面，错失”为何有效”的工程洞察
• 工具幼稚病：将AI工具等同于编程能力（如同认为使用美图秀秀等于掌握视觉设计）
• 行业标准稀释：当GitHub 80%新仓库包含未经审查的AI代码时，开源生态面临信任危机