Vibe Coding，是怎么「玩废」程序员的？
Vibe Coding，是怎么「玩废」程序员的？
AI编程 Vibe Coding 程序员成长
大家好，我是帅哥威，一个即将拥有9块腹肌的程序员。
xdm，你们有没有这种感觉——用了AI写代码之后，效率确实高了，但总觉得自己越来越"废"了？
前两天看到一篇论文，差点把我吓出一身冷汗。Claude的母公司Anthropic亲自下场，做了个实验：用AI的程序员，考试得分比手写代码的低了17%。
这不是标题党，是实打实的数据。兄弟们，咱们一起看看咋回事。
17%
AI组得分更低
50+
参与测试的程序员
6种
程序员类型
一、"自然语言就是新编程语言"？
这话说得是不是很耳熟？
特斯拉前AI总监Andrej Karpathy带火的"Vibe Coding"，让无数程序员热血沸腾——不需要懂语法，不需要管实现，对着AI喊需求，Check一下感觉（Vibe）对不对就完事了。
听起来，程序员的门槛要被抹平了对吧？
但就在上周，Claude的母公司Anthropic自己跳出来，给这股热潮泼了一盆冰水。他们发了篇论文，告诉我们一个残酷的真相：
如果你在学习新东西时过度依赖AI，
你不仅不会变快，核心能力还会退化。
甚至，你可能正在变成一个"半废"的工程师。
二、人是轻松了，脑子也废了
Anthropic这次很较真，找了50多位有经验的Python程序员，搞了一场"闭卷考试"。
考题是让大家学一个从来没用过的冷门Python库：Trio，完成异步编程任务。
这场景太真实了——老板突然让你用个没见过的工具解决问题，不就是日常工作吗？
程序员被分成两组：
"手动组"
只能看官方文档，用Google搜索，严禁使用AI。
"AI组"
配备了GPT-4o级别的AI助手，可以随时提问、让它写代码、修Bug。
结果出来后，所有人都沉默了。
大家第一反应肯定是：AI组肯定秒杀"土法炼钢"组吧？
但数据显示：用了AI的那组，考试得分平均比手写组低了17%。
论文特别提到，分差最大的领域是——Debug。
这其实不意外。Vibe Coding最大的弊端就是：你根本不知道那堆代码是怎么跑起来的，排查和调试都无从下手。
威少有话说：Debug能力才是程序员的护城河。代码能跑和知道为什么能跑，完全是两码事。
三、"至少我变快了啊"？并没有！
"好吧，我承认我变菜了，但我至少变快了啊！"
这可能是很多Vibe Coding爱好者的最后防线。
很遗憾，Anthropic的数据再次打脸。
完成任务的耗时，两组没有显著差异：AI组平均23分钟，手动组平均24.7分钟。
为啥？论文指出了一个被忽视的时间成本——"交互税"。
有些程序员为了让AI写出完美代码，花了大量时间在"写提示词"上。数据显示，有人甚至花了11分钟跟AI聊天，或者在一项35分钟的任务里，花了30%的时间在构思怎么问问题。
再加上Vibe Coding最短的短板——Debug困难，AI组很容易陷入"试错式调试"的循环：
AI生成代码 → 报错了 → 把报错丢给AI → AI再生成 → 又报错了……
最后整个工程变成了"屎山黑箱"——混乱、难以理解、无法维护。
时间一分一秒流逝，而程序员的大脑处于"挂机等结果"状态。既没节省时间，也没学到东西。
青楼的小姐，做到最好也只能是头牌，不会成为老鸨。
同理——天天让AI帮你写代码，你永远只是个"调用者"，成不了"创造者"。
四、六种程序员，你是哪一种？
这篇论文最精彩的部分，是通过录屏分析，把使用AI的程序员分成了六种流派。
研究员发现，虽然AI组平均分低，但组内方差极大。有的人"废"了，有的人却"超神"了。区别全在于怎么用AI。
第一类，我管他们叫「AI废人」
考试得分惨不忍睹，平均分都在40%以下。细分为三种：
- 甩手掌柜型：直接把题目复制给AI，"帮我写个函数"，然后Ctrl+C/Ctrl+V交卷。完成速度最快（平均19.5分钟），但学到的东西几乎为零。我奶奶来做都能行。
- 半途而废型：刚开始想自己试试，写了两行发现报错，心态崩了："算了，AI你来吧。"然后彻底躺平。
- 盲目试错型：最典型的"无脑Vibe"。遇到Bug不看回溯，直接把报错扔给AI。AI给的代码看都不看就运行，不对再扔。这是最惨的一群人——完全成了AI的"人肉测试员"。
第二类，我管他们叫「人机共生」
虽然用了AI，但考试成绩能和手写组持平（65%-86%）。也细分为三种：
- 打破砂锅型：几乎不让AI写代码，只问概念："为什么要用await？""这是什么原理？"搞懂了原理，再自己手写。这是真正把AI当"导师"，而不是当"实习生"。
- 先斩后奏型：让AI写代码，但在复制粘贴之前，追问："解释一下这行代码为什么这么写？"一句追问，就能让AI自审一遍，把AI的输出转化为自己的知识。
- 混合双打型：写"请写出代码，并解释每一步的逻辑"，强制AI输出推理思维链，让自己跟上AI的思路。
扎心的是：为什么用同一个AI，人和人的差距这么大？
或许并不是AI废掉了程序员，而是我们自己在"偷懒"的诱惑面前，主动选择了缴械投降。
五、外骨骼效应：肌肉是怎么萎缩的
Anthropic这篇报告，触及了一个心理学概念——认知卸载。
说白了就是：当你有工具可用时，大脑会偷懒，把本该自己干的活儿"卸载"给工具。
论文里用了个比喻：AI就像一副"外骨骼"，穿着它时力大无穷，能搬起千斤重。但问题是——肌肉的生长需要负重和撕裂，长期穿着不脱下来，肌肉就会萎缩。
论文中有个扎心的数据：报错数量。
3次
手动组平均报错
1次
AI组平均报错
手动组遇到3次报错，被迫停下来盯着红色信息，查文档、思考"为什么类型不匹配"。
AI组只遇到1次报错，大多数时候AI给的代码直接能跑。
这听起来是AI的优点？不，Anthropic的研究员指出，这恰恰是问题的根源。
遭遇并独立解决错误，是技能形成的关键一环。
手动组之所以学得好，是因为经历了"摩擦"。每一次报错，都是现实世界给思维的一次"阻力"。
而AI组的体验太"平滑"了。代价是——失去了对地面的"抓地力"。脱下外骨骼，路都不会走了。
威少有话说：就像谈恋爱，太顺的关系往往不长久。AI永远秒回、永远顺着你说话——这种极致的"平滑关系"，何尝不是一种Vibe Social？
六、资历再老，也逃不过
Vibe Coding最危险的地方，在于它制造了一种"快乐但无知"的幻觉。
论文中提到：AI组的参与者普遍觉得任务"更容易"，手动组觉得任务很难、过程痛苦。
但反转来得很干脆：
- 觉得"容易"的人，测试一塌糊涂
- 觉得"困难"的人，分数更高
更扎心的是，研究人员把参与者按编程经验分成三层：1-3年、4-6年、7年以上。
结果显示：所有经验层级中，不使用AI的组，得分都更高。
这意味着，即使你是入行7年以上的老鸟，面对全新技术领域时，如果过度依赖AI，学习效果依然会大打折扣。
AI是公平的，它会平等地"废掉"每一个试图偷懒的大脑，无论这个大脑曾经多么睿智。
七、写在最后
兄弟们，这篇论文不是让我们因噎废食，退回到手写代码的时代。
它更像是一份"AI时代生存指南"。想要不被AI废掉，简单说就三点：多问"为什么"，少说"帮我做"；AI写的代码，你得逐行看；遇到Bug先想5分钟，别5秒钟就扔给ChatGPT。
AI确实能让我们跑得更快，但前提是——你得知道路在哪里，以及车坏了该怎么修。
当自动驾驶失效的时候，
只有那个还没忘记怎么握方向盘的人，才能救全车人的命。
路虽远，行则将至；事虽难，做则必成。
兄弟们，一起加油！关注我，下篇带你看更狠的AI真相。
—— 帅哥威，一个即将拥有9块腹肌的程序员
参考资料：Anthropic《How AI Affects Skill Formation》