在如今 Vibe Coding 火热到近乎全民讨论的时候，说这些话大概难免会引来不少反对的声音。
不过这篇文章并不是想否定 Vibe Coding，它确实是一项重要的技术进步。我更想讨论的是：为什么今天很多人对它产生了近乎无限的期待？
也许几年以后，当这波浪潮过去，后人来挖坟再看今天的讨论，会有不同的理解。
Vibe Coding 的泡沫源自哪里？
Fake it until you make it：硅谷文化
硅谷一直有一句著名的话：
Fake it until you make it.
它原本是一种鼓励创业者大胆尝试、快速验证想法的文化，也正是这种文化孕育了大量创新公司。
但另一方面，这种文化也容易演变成另一种极端——不断放大技术的能力，甚至提前兑现未来。
于是我们经常看到这样的叙事：
- AI 将取代所有程序员；
- SaaS 即将消亡；
- 一个 Prompt 就能完成整个软件开发。
营销可以没下限，吹牛可以没上限，没有我做不到，没有你想不到的操作
不得不提的就是两个活宝：
- OpenAI 的 Sam Altman：从 AGI 还有几年、几个月，到后来不断强调超智能（ASI）、万亿级算力投资、星际之门计划（Stargate），叙事不断升级。每当市场开始适应上一轮故事，就会出现下一轮更大的愿景。
- A畜 的 Dario Amodei：则几乎每隔一段时间都会提出新的 AI 能力预测，SaaS已死、 Myous太危险了， 不给大家用， 呼吁大家停止研究AI， 为了安全， 然后过几天就发布Fable5。
老黄都吐槽过，不知道Dario到底是怎么当上CEO的。
这些观点并非完全没有依据，但往往忽略了现实世界中大量工程问题，把未来几年甚至十几年的能力，包装成了今天已经发生的事实。
盖尔曼失忆症效应
有一个著名的心理学现象叫做盖尔曼失忆症效应（Gell-Mann Amnesia Effect）。
它指的是：
当你阅读自己熟悉领域的新闻时，会发现里面漏洞百出；但翻到自己不了解的领域时，却又重新相信了同一家媒体。
LLM 在某种意义上，正在成为新时代的信息入口。
问题在于，一个人真正精通的领域其实非常有限。
对于熟悉的领域，我们很容易发现模型回答中的错误；但面对另外九十多个陌生领域，我们往往没有能力判断，只能默认它说的是对的。
因此，人们会逐渐形成一种错觉：
如果它在我不懂的地方都能回答，那它是不是什么都会？
相比传统媒体，LLM 几乎拥有无限的信息生产能力，这种心理效应也被进一步放大。
最终，人们开始高估模型本身的能力，而低估背后问题的复杂度。
资本操纵叙事
今天，我们获取信息越来越依赖于短视频平台、社区平台以及各种 AI 内容。
虽然信息来源比过去更加分散，但真正拥有流量分发能力的平台依然高度集中。
平台天然会放大最容易传播的话题，而资本也更愿意讲述增长最快、最吸引注意力的故事。
于是，一个本来应该被理性讨论的技术，很容易演变成一种全民追逐的新叙事。
Vibe Coding 并不是第一个经历这种过程的概念，也不会是最后一个。
Vibe Coding 是忽悠土老板最成功的一集
很多老板其实能力不足的。很多人的第一桶金并不是靠技术、产品或者管理能力获得的，而是吃到了时代红利、政策红利、信息差、渠道、资源、人脉甚至投机套利。
他们确实赚到了钱， 获得了财富和地位, 但本质上的技术认知并没有比村头大爷高多少，只不过当年运气更好、机会更多、站在了风口。
他们看到的是：
- AI 几分钟写出一个页面；
- 一小时完成一个 Demo；
- 社交媒体上不断出现"一个人完成整个产品"的案例。
于是自然会产生一个推论：
Demo 都能几分钟完成，那正式产品为什么还需要那么多开发？
但 Demo 与真正可持续维护的软件之间，本来就是两件完全不同的事情。
很多行业之外的人，并没有机会接触那些真正困难的问题，例如：
- 长期维护；
- 系统架构；
- 数据一致性；
- 安全性；
- 性能优化；
- 多人协作；
- 上线后的持续演进。
因此，他们看到的是 AI 极大降低了开始开发的门槛，却误以为 AI 同样降低了软件工程本身的复杂度。
没有银弹
几十年前，软件工程领域就已经提出一个经典观点：
软件工程没有银弹（No Silver Bullet）。
今天，这句话依然成立。
Vibe Coding 极大提高了 Demo 的生成速度，也让个人开发者拥有了过去难以想象的生产力。
但从 Demo 到真正可交付、可维护、可扩展的产品，中间仍然存在大量工程工作。
AI 缩短了编码时间，却没有消除这些工程问题。
因此，我更愿意把 Vibe Coding 理解成一种新的编程抽象。
它并不是软件工程的终结，而更像是一门比 Python 更高层次的编程语言——一种以自然语言作为接口的新编程方式。
复杂度没有消失，只是被隐藏了
历史上，这样的事情已经发生过很多次。
Python 出现之后，大幅降低了编程门槛。
越来越多人开始使用 Python 编写网站、自动化工具、数据分析程序，甚至桌面应用。
但二十多年过去了，Java、C++ 依然牢牢占据着自己的生态，后来又出现了 Go、Rust 等新的语言。
为什么？
因为复杂度从来没有真正消失。
Python 帮开发者隐藏了大量底层细节，例如内存管理、编译流程、模板代码等。
这些复杂度并没有被解决，而是转移到了运行时、解释器、框架以及各种底层实现之中。
Vibe Coding 也是同样的道理。
它进一步把复杂度隐藏到了模型和 Agent 的背后。
过去需要程序员亲自完成的工作，现在交给 AI 自动生成。
过去需要理解 API、框架和语法，现在变成一句自然语言。
但一个真正的软件系统所面临的问题——需求变化、架构设计、数据一致性、安全性、性能、维护成本、团队协作——依然存在。
复杂度不会凭空消失。
它只会不断向更深的一层迁移。
而软件工程的发展，本质上一直都是不断寻找新的抽象，把复杂度向下隐藏的过程。
未来已来
Vibe Coding，只是这条演化路线上的下一站，而不是终点。
我们已经回不去手动打字的农耕时代了，但是新时代的vibe coding，绝对不是当前这些当红炸子鸡的AI自媒体博主，跟风老板所描述的那样。