作者Simon Willison在播客访谈中谈到，他原本认为"氛围编码"（vibe coding）和"代理工程"（agentic engineering）是两种不同的AI辅助编程方式，但最近发现这两种方法在他的实际工作中开始出现交集和融合，这让他感到不安。他曾在文章中明确区分这两种方法，但现实中的界限正在变得模糊。

标题：氛围编程与代理工程的界限正变得模糊

在2026年5月6日发表于个人博客的文章中，作者Simon Willison分享了他参与Heavybit公司《高杠杆》播客后的思考。他通过与Joseph Ruscio的对话，意识到自己工作中"氛围编程"（vibe coding）与"代理工程"（agentic engineering）的界限正在模糊，这一发现令他感到不安。

核心观点： 1. 概念演变： - 氛围编程指完全依赖AI生成代码而不检查代码质量的方式，适合个人项目 - 代理工程则是专业开发者利用AI工具，结合自身经验构建高质量生产系统 - 随着AI编码代理可靠性提升，作者发现自己即使在生产环境中也开始减少代码审查

2. 新挑战：

• 代码评估标准失效：完善的测试和文档不再能证明代码质量
• 使用经历成为新标准：实际使用两周的项目比刚生成的代码更有价值
• 开发流程瓶颈转移：传统围绕代码产出速度设计的流程需要重构

3. 行业影响：

• 设计流程需要变革：当实现成本降低时，设计可以承担更多风险
• 开发者价值仍在：AI是经验放大器，复杂软件开发仍需要专业判断
• 市场偏好专业方案：用户更倾向购买经过验证的商业软件而非自建方案

作者最后以管道维修作类比：虽然普通人可以通过视频学习修管道，但多数人仍会选择专业管道工。同理，企业级软件解决方案需要经过充分验证才能获得信任。

（注：原文中关于播客内容引述、具体技术细节和个人心路历程的部分进行了精简，保留了核心观点和关键论据）

以下是评论内容的总结，涵盖主要观点和论据，并保持不同观点的平衡性：

1. 对AI生成代码的担忧

• 观点：AI生成的代码可能导致未来难以维护的技术债务，甚至淹没高质量的人类代码。

  • 引用："30 years down the line everything is a hot mess of billions of lines of code generated by LLMs" (评论3)
  • 引用："AI生成的代码可能包含边缘案例错误或安全漏洞，难以发现" (评论8)

• 观点：AI生成代码的注释和文档质量差，难以接受。

  • 引用："I don’t understand how anybody stands comments generated by an LLM" (评论5)
  • 引用："AI-generated READMEs... I can’t stand what it generates" (评论5)

2. 对生产效率的提升

• 观点：AI可以显著提高编码效率，减少重复性工作。

  • 引用："Opus 4.7 built it about 90% the same way I would, but had way more convenience methods" (评论9)
  • 引用："The process using the tool like this yields 10x speed at writing code" (评论19)

• 观点：但过度依赖AI可能导致代码质量下降或审查负担加重。

  • 引用："The haystack gets bigger... the amount of code to review scales with the capability of the agent" (评论17)
  • 引用："If you can go from producing 200 lines of code a day to 2,000... what else breaks?" (评论15)

3. 对职业未来的焦虑

• 观点：AI可能逐步取代程序员，引发职业危机感。

  • 引用："I just cannot help be feel a sense of nihilism and existential dread" (评论7)
  • 引用："The business side... has a route to the destination of not paying engineers" (评论4)

• 观点：AI无法完全替代人类的设计和架构能力。

  • 引用："We’re still in charge of design and big ideas even if all of the code is written by AI" (评论11)
  • 引用："AI assisted conscientious coding... is the opposite of [vibe coding]" (评论24)

4. 对代码审查和质量控制的讨论

• 观点：AI生成代码仍需严格审查，但审查方式可能变化。

  • 引用："If you’re sure Claude wrote your endpoint right, why not review it anyway?" (评论29)
  • 引用："The tests are easier to audit by the humans than the code" (评论21)

• 观点：现有指标（如代码行数、提交次数）无法真实反映代码质量。

  • 引用："It is so embarrassing that LOC is being used as a metric for engineering output" (评论15)
  • 引用："Stars and number of commits aren’t good enough, we need more" (评论6)

5. 对AI工具使用的不同态度

• 乐观态度：AI是更高层次的抽象工具，类似于编程语言的进化。

  • 引用："LLM is like [higher languages] except it compiles English to code" (评论16)
  • 引用："AI can write code that is more performant than any human" (评论18)

• 批判态度：AI生成代码缺乏独特性或深度理解。

  • 引用："The agentic makes a very plasticy samey feel" (评论22)
  • 引用："This is just more AI slop... The image does not fit the context" (评论23)

6. 对组织和管理的影响

• 观点：管理层可能因AI的短期效益忽视长期质量风险。

  • 引用："They’ve been financially incentivized to think that way... the end goal is not paying engineers" (评论4)
  • 引用："Organizations need... better incentives and punishment mechanisms" (评论14)

• 观点：AI暴露了原本存在的工程纪律问题。

  • 引用："LLMs exposed and accelerated [undisciplined engineering]" (评论12)

总结

评论反映了对AI在编程中角色的两极分化：一方面认可其效率提升和工具价值，另一方面担忧代码质量、职业前景和管理短视。核心矛盾集中在“速度与质量”、“人类与AI的协作边界”以及“技术进步的长期影响”上。