'Vibe Coding' 的认知成本：AI 是否正在侵蚀我们的技术技能？

大语言模型 (LLMs) 的诱惑力是不可否认的。对于许多开发者来说，从手动编码转向 "vibe coding"——即通过提示词让 AI 生成整块逻辑并只需检查其是否有效——感觉就像获得了一种超能力。然而，技术社区中日益增长的一种观点认为，这种生产力的提升伴随着隐藏的认知税。

在一次坦诚的反思中，开发者 James Pain 描述了一个令人痛心的发现：在完全依赖 AI 进行编码的一两年后，他觉得自已“几乎忘记了如何编码”。这种经历凸显了现代开发工作流中的一个关键矛盾：将 AI 作为提高效率的工具，与将其作为思维的替代品之间的界限。

基础技能的侵蚀

对许多人来说，AI 的危险不在于它取代了工作，而在于它取代了学习的过程。当解决问题的摩擦力被消除时，应对该问题所需的心理肌肉就会开始萎缩。

Pain 指出，AI 会加剧现有的自我怀疑和冒充者综合征 (imposter syndrome)。这个循环通常是这样的：开发者对自己的能力感到不确定，使用 AI 生成解决方案，发现结果看起来“很像 AI”（平庸且缺乏个人风格），随后感到对自己从零开始产出工作的能力更加缺乏信心。

这种情绪在其他开发者中也得到了共鸣，他们发现自己开始怀疑曾经凭直觉完成的基础任务。正如一位用户所言：“怀疑总是最快地潜入那些我以前不需要思考就能做的事情中。”

这种侵蚀对于初级开发者来说尤为严重。一位贡献者分享说，在新工作中由于使用 AI，入职过程变得显著更加困难，因为 "vibe coding" 的诱惑阻止了他们培养该职位所需的深层系统知识。

"我花在让 Claude 写代码的时间越多，我就越觉得自己在减少培养该职位所需的技能……我对自己工作的必要信心不足，这感觉很糟。”

并非所有人都将此视为智力下降。许多人认为，我们只是在向更高层次的抽象迈进。就像开发者不再编写汇编语言而转而使用高级语言一样，向提示词工程 (prompting) 的转变被一些人视为下一个逻辑步骤。

一些开发者报告称，他们感觉自己变得更聪明了，因为他们不再被枯燥的语法所困扰。通过将“平庸的代码编写”外包出去，他们可以专注于架构决策、业务关键模块以及复杂的系统设计。

"我不再问‘这个 for 循环的正确语法是什么？’，而是在问‘这个系统中的业务关键模块是什么，以及我该如何构建测试套件以证明它符合规范？’"

对于非技术团队或正在学习新领域的人来说，AI 充当了虚拟的高级工程师。它可以解释复杂概念、重构旧代码并提供即时反馈，从而为那些将其作为导师而非代笔人使用的开发者加速学习曲线。

为了避免与盲目依赖 AI 相关的“脑萎缩”，社区中涌出了几种有纪律的方法：

与其要求 AI “构建 X”，成功的用户提倡一种苏格拉底式的方法：准备一个详细的计划，与 AI 进行思想碰撞，然后以细小、可验证的步骤来实现功能。这确保了人类始终是编排者，而 AI 始终是执行者。

一些开发者正有意识地在生活中重新引入难度，以保持思维敏锐。这包括：

开发者不再直接接受 AI 的输出，而是将 AI 代码视为来自初级开发者的 PR。这涉及使用 git diff 来阅读每一次变更，并强制 AI 解释其做出某些决策的原因。

比较谨慎的开发者们的共识是，虽然 AI 录得一个不可思议的工具，它并不是工程学的替代品。风险不在于工具本身，而在于不加理解地进行委派。正如一位贡献者警告说，危险在于我们提交了自己从未见过的代码，这些代码由 AI 审查，并由另一个 AI 紧随其后进行跟进。

最终，目标是确保 AI 服务于工程师，而不是工程师变成了一个生成代码黑盒子的项目经理。