2025年，AI编程真是热闹的一年。

这一年从Vibe Coding到Vibe Engineering转变、OpenAI关于Vibe Engineering的实践分享、2026年AI编程的下一个路口观望。

一、从Vibe Coding到Vibe Engineering

2025年2月，OpenAI联合创始人Andrej Karpathy在推文中造了一个新词，叫Vibe Coding。

并分享他的日常是：用语音和Cursor对话，几乎不碰键盘；遇到错误直接复制粘贴给AI；永远点Accept All，不看diff；代码增长到自己都看不懂也无所谓。

得益于LLMs的强大，编程变成了一种完全凭感觉和品味的对话创作。

完全跟着感觉走，拥抱指数级增长，忘掉代码的存在。

但是，Karpathy也说只这适合临时的周末项目。

真正生产级项目，Vibe Coding爆出问题的案例比比皆是，比如数据泄露、AI自主删库，还有数不清的API秘钥泄露被滥用、数据库被注入垃圾数据......

市场狂热带来的技术债务、安全风险和治理难题，成为了企业数字化转型的定时炸弹。

我们回归软件研发的生命周期来看：需求分析 - 产品设计 - 架构设计 - Coding - Code Review - 合并入库 - 测试 - 部署上线 - 运维。

根据过往经验，其中Coding只占据工程师日常工作约30-40%。

Vibe Coding提升了Coding环节效率，但如果没有前后规范化的流程，难以应对频繁的迭代更新，同时还要保障系统的安全与稳定。

2025年10月，知名开发者Simon Willison提出了一个新概念：Vibe Engineering。

Simon认为Vibe Coding像掷骰子一样构建软件，这非常不负责任。

他表示有效使用AI编程工具并不是一件容易的事，充满陷阱，容易生成大量糟糕代码。

甚至专门写了一篇长博客，讲述了工程能力的重要性，包括：版本控制、文档编写、任务规划、自动化测试、代码审查等。

Vibe Coding不严肃，但非常适合当成原型工具来用，产品经理能够快速构建原型和Demo验证想法。

“不要用你的爱好来挑战别人的专业”，同样2天搞出来的应用也不要与生产级项目媲美。

这其中的架构设计、安全性、可扩展性等，如果你没有概念，谈何做好呢？

张楠在极客大会上说：“AI是能力的放大器”，很好的点出了人与AI的关系。

AI让编导平权，不懂分镜也可以做出电影。

AI让技术平权，不懂代码也可以编写程序。

但同时AI也是专业能力的放大器，你越专业、越资深，你的产出就会越高效率、越高质量。

那么问题就来了，如何让非专业的人能够高效率、高质量输出，就是机会点。

从Vibe Coding到Vibe Engineering，是AI Coding从产出脆弱的Demo，往安全鲁棒的生产级项目前进。

二、OpenAI关于Vibe Engineering的实践分享

2025年12月3日，OpenAI响应Vibe Engineering概念，做了一场主题为“Vibe Engineering with OpenAI's Codex”的分享会。

分享了如何将Codex作为长期协作的“工程搭子”，用来规划、实现、测试、验证复杂工程任务，而人类对最终结果负责。

Aaron Friel 现场展示了一个真实的工程任务，将一个kotlin写的Bazel Diff工具用Rust进行重构，要求100%行为兼容、有完整测试、对比新旧实现、有CI/Lint/文档/架构说明。

这需要耗费人类工程师几周工作量，使用Codex遵从Vibe Engineering用了12小时完成：

① 从空目录和一段prompt开始

② 拉取repo进行分析，根据需求制定规划文档

③ 根据需求生成：   

• 多个子智能体   

• 测试用例   

• Rust项目结构

④ 最后才开始写代码，并在执行过程中不断测试、修复、验证。

由此可见，Vibe Engineering涵盖了整个软件研发生命周期。

重要的工作不仅是coding，更是 thinking + checking。

有3个比较有趣的点：

• 看门狗（watchdog）子智能体，持续提醒主Agent目标是什么，避免跑偏；
• 文档是让Agent变强的关键上下文，包括plan、架构说明、README、测试说明等；
• Codex持续跑12小时，并非写一堆垃圾代码，而是在持续测试迭代，实际代码量很精简；

当然这个例子非常工程师，非技术人员如何快速上手Vibe Engineering，看AI编程的下一个路口。

三、AI Coding的下一个路口

2025年被认为是AI Coding的爆发元年，已然完成从“代码补全”到“自主编程”转变。

Prof Research报告，2025年全球AI代码助手市场的直接收入规模预计在200-300亿美元，到2030年，年均复合增长率将保持在18%-25%。

另外从全球AI支出结构来看，市场已经在从“咨询期”转向“落地期”。

我们再看下当前市面上AI编程产品格局，可以分为两大类：

一类是面向工程师的IDE编程工具，以Cursor / Copilot / Trea / CodeBuddy为代表；

另一类低门槛平台，以Lovable / Bolt.new / v0为代表，面向非技术人员通过自然语言快速生成应用。

我根据上手难度和专业程度进行划分如下：

在短期内，岗位分工依然明确，AI Coing产品将针对各自的目标用户，双轨并行演进繁荣。

面向开发者：

我一直在面向开发者工作，之前定义什么是有用、好用的API，开发者关心的是上手流程。

现在AI Coding新的开发范式，从一个想法、到原型、到生产上线，AI提升了整个环节的效率，开发者不再需要详细了解API的细节，变成面向AI提供服务。

无论是MCP还是Skills，都在让AI Coding变得越来越容易、能力越来越完善。

此外，人与软件的交互方式也在逐步迭代，比如语音、图片等多模态输入，随时随地Coding梦想成真。

接下来，多智能体并行开发、软件工程规范流程......正在让AI Coding从“手工艺”迈向“工业化规模生产”。

大中小企业、个人开发者都将离不开AI编程工具的加持。

面向非开发者：

我作为用户，在看得见的未来里，有了AI的加持，内容生产就不仅仅是图文、音视频，APP也可以作为每个人个性化输出的产物。

以短视频平台为例，通过AI编程的辅助，每个人都可以设计出自己的内容创作工具，比如生成互动小游戏、生成特效滤镜代码等，直接服务于短视频的创作者生态。

无论你是设计师、产品经理，还是毫无互联网背景、但有自己创意想法的人，无论是想快速构建原型验证想法，还是想要做出自己产品，越来越多低门槛的AI Coding工具可以选择。

最后，我想说的是，技术平权让人的独特性变得越发重要。

创意、审美、判断力、规格定义等成为不可或缺的能力。