文章摘要
作者分享了自己使用AI编程两年后重新回归手写代码的心路历程。起初对AI处理简单任务的能力感到惊艳，但随着任务复杂度增加，发现AI会做出违背开发者意图的错误决策，最终认识到AI编程的局限性，选择回归传统编程方式。
文章总结
标题：告别AI编程两年后，我重拾手写代码
来源：https://atmoio.substack.com/p/after-two-years-of-vibecoding-im
发布时间：2026年1月26日
核心内容：
大多数开发者与AI编程的邂逅都始于相似的轨迹：从简单的测试任务开始惊叹，到处理复杂项目时更加震撼，继而引发对职业替代的焦虑。但真正坚持深入使用的人才会发现，AI编程存在根本性缺陷。
[插图：一张展示AI编程界面的图片]
专业工程师在使用AI进行实际开发时，往往会经历三个阶段：
- 蜜月期
- 对AI处理大型任务的能力感到惊喜
- 甚至尝试让AI处理团队不愿触碰的代码重构
- 困惑期
- 发现AI虽然能理解需求，却会做出违背开发者意图的决策
- 开发者开始将问题归咎于自己："是我的指令不够明确"
- 觉醒期
- 尝试撰写详尽的需求文档（甚至花费半小时写一页说明）
- 最终发现AI无法像人类团队那样动态调整设计方案
- AI代码在独立审查时看似完美，但在整体架构中漏洞百出
核心问题在于： - AI生成的代码单元孤立看很完美，但缺乏整体协调性 - 就像写小说：段落精彩却章节混乱 - 无法保持代码库的结构完整性和模式一致性
经过数月实践后，作者决定： 1. 拒绝交付AI生成的"垃圾代码" 2. 不愿用这种代码处理用户数据 3. 回归手工编程
最终结论： 当综合考虑准确性、创造性和整体效率时，经验丰富的开发者实际上比AI更高效。作者现已回归以手写代码为主的工作方式。
（附注：本文配有相应的视频解说，可在YouTube观看）
评论总结
以下是评论内容的总结，主要分为几个观点：
1. AI编码的局限性
- 观点：AI生成的代码在局部可能看起来不错，但缺乏整体一致性和结构性。
- "Agents write units of changes that look good in isolation. But respect for the whole, there is not."（评论3）
- "AI生成的代码在整体上下文中可能毫无意义，就像拼凑的段落无法构成连贯的小说。"（评论14）
2. AI对学习的影响
- 观点：AI可能阻碍新程序员学习基础知识。
- "AI is incredibly dangerous because it prevents new programmers from learning the simple things."（评论4）
- "学生必须自己写代码，不能依赖机器生成。"（评论4）
3. AI的实用性与效率
- 观点：AI在快速原型开发和小任务中表现优异，但不适合复杂或关键业务代码。
- "vibecoding is amazing for creating quick high fidelity prototypes."（评论3）
- "对于业务关键代码，AI无法处理复杂的边缘案例和防御性编程。"（评论13）
4. 人与AI的协作
- 观点：最佳实践是人与AI协作，保持对代码的控制和审查。
- "I have AI build self-contained, smallish tasks and I check everything it does."（评论9）
- "快速AI处理简单任务，复杂任务则需要人类参与。"（评论10）
5. AI编码的未来
- 观点：AI编码技术仍在发展，未来可能通过改进模型和流程解决当前问题。
- "Eventually the refactoring is targeted at smaller and smaller bits until the entire project is in excellent shape."（评论15）
- "AI eternal summer：开发者将不断追逐AI生成的代码质量。"（评论8）
6. 对AI编码的怀疑
- 观点：部分评论者对AI编码的实际效果持怀疑态度，认为其效果被夸大。
- "除非展示实际的工作流程，否则这些观点没有说服力。"（评论11）
- "AI编码的批评者应提供更多具体的代码示例，以帮助新手识别问题。"（评论22）
7. 开发者技能的不可替代性
- 观点：开发者的核心能力（如代码维护和解释）无法被AI完全替代。
- "作为开发者，你的工作是确保代码可维护且可解释。"（评论21）
- "99.99%的开发者无法比AI更快、更准确。"（评论19）
总结来看，评论者对AI编码的态度分为支持、怀疑和反对三派，但普遍认为AI在特定场景下有价值，但需要人类监督和协作。