Vibe Coding 已死？Simon Willison 为什么说它正在和 Agentic Engineering 融合
专业开发者开始信任 AI Agent 产出的代码，不再逐行审查。这是职业曰廸的崩塌，还是效率革命的开始？这篇文章基于 Simon Willison 的最新观点和 HN 热榜讨论，带你重新定义你的编程工作流。
Vibe Coding 已死？Simon Willison 为什么说它正在和 Agentic Engineering 融合
2026-05-07 · PriUSoar 编辑部 · 约 7 分钟阅读
一个"挺令人不安"的现实
Simon Willison 是 Django 的联合创始人，也是 AI 工具领域最受尊重的观察家之一。在他最新的播客对谈中，Willison 揭露了一个他自己都觉得 "upsetting"（令人不安）的现象：
"Weirdly though, those things have started to blur for me already, which is quite upsetting."
奇怪的是，这两者对我来说已经开始模糊了，这让我相当不安。
他指的是 Vibe Coding 和 Agentic Engineering 之间的界限正在消失。
这不是小事。同一时间，HN 热榜上一篇名为 "The bottleneck was never the code"（瓶颈从来不是代码）的文章获得了 480+ points，评论区满是开发者的共鸣：AI 写代码不是问题，需求定义才是核心瓶颈。
这两个信号叠加，意味着一件事：专业开发正在从 "写代码"转向 "指挥 AI 写代码"。
先澄清概念：什么是 Vibe Coding 和 Agentic Engineering
Vibe Coding："感觉编程"
这个词汇由 Andrej Karpathy 在 2025 年初提出，形容一种无需深入理解代码、不逐行审查的编程方式：
- 你描述需求，AI 生成代码
- 你测试结果，不对就再要求修改
- 不关心代码质量，只关心是否"能跑"
Willison 当初的评价是：Vibe Coding 很棒，只要你知道什么时候能用、什么时候不能用。个人工具可以 vibe，给别人用的软件不能 vibe。
Agentic Engineering："代理工程"
Willison 后来造的词，指负责任地使用 AI 工具来编写代码。关键是：
- 你仍然在审查每一行代码
- 你理解架构和边界条件
- AI 是工具，你是最终责任人
这是一个很清晰的界限：一边是放任自流，一边是严格控制。
但是，界限正在模糊
Willison 的"不安"来自于他自己的实践：
"I thought we had a very clear delineation... But at no point are you really caring about the code quality... And my take on vibe coding was that it's fantastic, provided you understand when it can be used and when it can't."
"我以为这两者有非常清晰的界限……但现在，这两者对我来说已经开始模糊。"
为什么会模糊？因为 AI 工具的进化速度超出了预期：
- 代码质量提升 —— Claude 4、o3 级别的模型生成的代码已经达到中级开发者水平
- 上下文窗口扩大 —— 200k tokens 让 AI 能够理解整个代码库，而不是单个文件
- Agent 能力增强 —— 工具可以自主执行多步操作，而不是等待人类输入
- 调试工具成熟 —— 如前文提到的 Tilde.run，让 "信任但可验证"成为可能
结果是：专业开发者开始信任 AI 的产出，不再逐行审查。
新的工作流模式：从 "写代码"到 "管理代码生成"
HN 热榜文章 "The bottleneck was never the code" 的核心观点是：
AI 工具已经让写代码变得足够快速和便宜。真正的瓶颈在于：
- 清晰地定义需求
- 设计合理的架构
- 边界条件和错误处理
- 系统级的思维
这意味着开发者的工作内容正在发生根本性变化：
传统工作流：
需求 → 设计 → 编码(80% 时间) → 测试 → 部署
新工作流：
需求精炼(40% 时间) → AI生成初版 → 审查/调整(20% 时间) → 测试 → 部署
关注点从 "怎么写" 转移到 "写什么和为什么"。
实操：2026 年的 AI 编程工具选型
基于当前市场，以下是不同场景下的工具推荐：
场景 1：个人原型/脚本（偏 Vibe）
推荐工具：Claude Code、Cursor Chat、v0.dev
工作流：
- 用自然语言描述需求
- 让 AI 生成完整方案
- 测试是否满意
- 不满意就继续 "感觉"
适用：内部工具、一次性脚本、个人小项目
场景 2：团队产品开发（偏 Agentic）
推荐工具：Cursor Composer、GitHub Copilot Workspace、Windsurf Cascade
工作流：
- 精确定义需求和接受标准
- AI 生成初版 + 自动测试
- 人工审查架构和关键逻辑
- 使用 Tilde.run 类工具保证可回滚
- 代码审查后合并
适用：产品代码、生产环境、团队协作
场景 3：学习/教育
推荐工具：GitHub Copilot、Codeium
工作流：
- 自己先尝试编写
- AI 提示更优解法
- 对比学习
适用：新人学习、技术探索
变现路径：从这个趋势中怎么赚钱
方向 1：AI 编程培训/咨询
逻辑：开发者的核心技能正在从 "写代码"转向 "管理 AI 写代码"，但大多数人还没有掌握这种新工作流。
做法：
- 打包 "AI 编程工作流"课程，教开发者如何从 "感觉编程"进阶到 "管理编程"
- 企业咨询：帮团队设计 AI 编程规范和工具链
- 收费：个人课程 $199-499，企业咨询 $2000+/u5929
入局门槛：中。需要自己先是高效使用者。
方向 2：开发者效率工具
逻辑：新的工作流需要新的工具支持。
做法：
- 构建 "需求到代码"的管理工具（需求精炼、任务拆分、验收标准）
- 做 AI 编程的 "CI/CD"：自动化检查 AI 生成代码的质量
- 收费：SaaS 订阅 $10-30/月/人
入局门槛：中高。需要产品和工程能力。
方向 3："管理者"角色转型服务
逻辑：当 AI 能写代码，人类的价值转移到 "沟通需求"、"审查方案"、"质量把关"。
做法：
- 做 "AI 项目经理"角色，帮企业/创业者用 AI 实现产品
- 不用自己写代码，负责需求、验收、部署
- 收费：项目制，$5000-50000/项目
入局门槛：低到中。更重要的是沟通能力和产品感觉。
结语
Willison 的"不安"其实是技术发展的必然。当工具足够好用时，专业人士就会从"谨慎"转向"信任"—— 因为有限的时间和精力必须分配给更高层级的决策。
这不是职业的终结，而是职业的升级。从"码农"到"代码经理"，从"实现"到"设计"。
行动建议：
- 如果你还在逐行审查 AI 生成的每一行代码，试试放手一次 —— 只审查架构和边界条件
- 重新定位你的价值：你的核心竞争力不是会写代码，而是会定义问题和验收方案
- 早早掌握"管理 AI 编程"的方法论 —— 这将是未来 3 年的核心技能
本文部分观点引用自 Simon Willison 的播客对谈、博客文章以及 Hacker News 热榜讨论。